關(guān)于我們
書(shū)單推薦
新書(shū)推薦

深度學(xué)習(xí)框架應(yīng)用開(kāi)發(fā)

深度學(xué)習(xí)框架應(yīng)用開(kāi)發(fā)

定  價(jià):54 元

        

  • 作者:陳曉龍
  • 出版時(shí)間:2022/8/1
  • ISBN:9787121439414
  • 出 版 社:電子工業(yè)出版社
  • 中圖法分類:TP181 
  • 頁(yè)碼:204
  • 紙張:
  • 版次:01
  • 開(kāi)本:16開(kāi)
9
7
4
8
3
7
9
1
4
2
1
1
4

讀者對(duì)象:電子信息大類的高職生、職教本科和應(yīng)用型本科生

深度學(xué)習(xí)(DL,Deep Learning)是機(jī)器學(xué)習(xí)(ML,Machine Learning)領(lǐng)域中一個(gè)新的研究方向,通過(guò)學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次,實(shí)現(xiàn)機(jī)器能夠像人一樣具有分析學(xué)習(xí)能力,能夠識(shí)別文字、圖像和聲音等數(shù)據(jù)。在開(kāi)始深度學(xué)習(xí)項(xiàng)目之前,選擇一個(gè)合適的框架能起到事半功倍的作用。全世界最為流行的深度學(xué)習(xí)框架有TensorFlow、Caffe、PaddlePaddle和PyTorch。TensorFlow 是 Google 于 2015 年發(fā)布的深度學(xué)習(xí)框架,2019年,Google 推出 TensorFlow 2.0正式版本,以動(dòng)態(tài)圖優(yōu)先模式運(yùn)行,使得用戶既能輕松上手 TensorFlow 框架,又能無(wú)縫部署網(wǎng)絡(luò)模型至工業(yè)系統(tǒng)。本書(shū)針對(duì)高職學(xué)生的特點(diǎn)(有基本的編程能力,對(duì)開(kāi)發(fā)人工智能應(yīng)用感興趣,學(xué)過(guò)一些高等數(shù)學(xué)基本知識(shí),但談不上有深厚的數(shù)學(xué)功底和人工智能理論基礎(chǔ)),全面、系統(tǒng)地介紹基于TensorFlow深度學(xué)習(xí)框架的人工智能應(yīng)用開(kāi)發(fā)技術(shù)、方法和應(yīng)用實(shí)踐,分析了神經(jīng)網(wǎng)絡(luò)原理并實(shí)踐,對(duì)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)這些常用的深度學(xué)習(xí)模型進(jìn)行了演練,在此基礎(chǔ)上展開(kāi)基于深度學(xué)習(xí)的目標(biāo)檢測(cè)、圖像分割、人臉識(shí)別等熱門(mén)應(yīng)用,為讀者提供了從理論學(xué)習(xí)到工程實(shí)踐的視圖。全書(shū)按照“項(xiàng)目導(dǎo)向、任務(wù)驅(qū)動(dòng)”的教學(xué)方法,以8個(gè)真實(shí)項(xiàng)目貫穿,分別是認(rèn)識(shí)人工智能、搭建線性回歸模型、搭建汽車油耗預(yù)測(cè)模型、搭建手寫(xiě)數(shù)字識(shí)別模型、搭建卷積神經(jīng)網(wǎng)絡(luò)模型、搭建貓狗識(shí)別網(wǎng)絡(luò)模型、可視化方法應(yīng)用和經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用,進(jìn)行深度學(xué)習(xí)模型的選擇、構(gòu)建和應(yīng)用,讓學(xué)習(xí)者能快速具備人工智能問(wèn)題求解的基本思想和初步的人工智能應(yīng)用軟件開(kāi)發(fā)能力。本書(shū)講解通俗易懂,配套資源豐富。每個(gè)項(xiàng)目知識(shí)點(diǎn)配有PPT、一個(gè)或多個(gè)視頻講解、實(shí)踐練習(xí)和模型實(shí)現(xiàn)代碼。全書(shū)配有的視頻總時(shí)長(zhǎng)達(dá)400多分鐘。本書(shū)適合計(jì)算機(jī)、軟件工程、人工智能等本、?茖I(yè)學(xué)生使用,也適合作為對(duì)深度學(xué)習(xí)感興趣的研究生、工程師和研究人員的學(xué)習(xí)資料。
 你還可能感興趣
 我要評(píng)論
您的姓名   驗(yàn)證碼: 圖片看不清?點(diǎn)擊重新得到驗(yàn)證碼
留言內(nèi)容