深度學習技術應用

定　價：￥68.00

作　者：	胡心雷等著
出版社：	電子工業(yè)出版社
叢編項：	英特爾FPGA中國創(chuàng)新中心系列叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121428517	出版時間：	2022-02-01	包裝：	平裝
開本：	16開	頁數(shù)：	192	字數(shù)：

內(nèi)容簡介

　　本書結合了**的深度學習技術應用成果，充分考慮了大學生的知識結構和學習特點，結合各個專業(yè)特點介紹了深度學習的基本概念及TensorFlow框架，以及深度學習在各個領域的具體應用。本書為高職高專院校深度學習基礎課程教材重點介紹了神經(jīng)網(wǎng)絡與深度學習、TensorFlow環(huán)境使用、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、遷移學習等內(nèi)容。各個章節(jié)知識淺顯易懂，每個章節(jié)后都有實際應用，以強化學生實踐能力。本書可作為高職院校深度學習基礎通識教材。

作者簡介

　　胡心雷（1983.12―）工學博士，畢業(yè)于四川大學計算機科學與技術專業(yè)。主要研究方向包括人工免疫、機器學習、信息安全和云計算技術等。有豐富的從事人工免疫在網(wǎng)絡安全應用的研究經(jīng)驗和信息安全技術、人工智能方面的教學經(jīng)驗。發(fā)表學術論文10余篇，其中EI及SCI論文6篇，主持及主研省部級項目3項，已獲得國家授權實用新型專利1項。

圖書目錄

第1章深度學習簡介\t001
1．1 深度學習的起源與發(fā)展\t001
1．2 深度學習的定義\t004
1．3 深度學習的優(yōu)勢\t005
1．4 深度學習的應用\t006
1．5 深度學習的主流框架\t007
1．5．1 TensorFlow\t007
1．5．2 Pytorch\t008
1．5．3 Deeplearning4j(DL4J)\t008
第2章神經(jīng)網(wǎng)絡與深度學習\t010
2．1 人腦神經(jīng)網(wǎng)絡\t013
2．2 人工神經(jīng)網(wǎng)絡\t015
2．2．1 感知器\t017
2．2．2 單層神經(jīng)網(wǎng)絡\t019
2．2．3 多層神經(jīng)網(wǎng)絡\t027
2．2．4 激活函數(shù)\t037
2．3 走向深度學習\t039
第3章 TensorFlow環(huán)境使用\t043
3．1 TensorFlow 簡介\t044
3．1．1 TensorFlow與Keras的關系\t045
3．1．2 TensorFlow 1．x與2．x的區(qū)別\t046
3．2 TensorFlow基礎\t049
3．2．1 張量\t050
3．2．2 變量\t064
3．2．3 計算圖\t066
3．3 基于TensorFlow的深度學習建模構建\t070
3．3．1 建模目的\t070
3．3．2 數(shù)據(jù)處理\t071
3．3．3 模型搭建\t080
3．3．4 模型編譯\t085
3．3．5 模型訓練\t091
3．3．6 模型驗證\t093
3．3．7 模型保存\t096
3．3．8 小結\t096
3．4 基于TensorFlow的手寫數(shù)字識別\t099
3．4．1 數(shù)據(jù)簡介\t099
3．4．2 數(shù)據(jù)處理\t103
3．4．3 模型搭建\t106
3．4．4 模型調(diào)優(yōu)\t108
3．4．5 總結\t114
第4章卷積神經(jīng)網(wǎng)絡\t115
4．1 什么是卷積神經(jīng)網(wǎng)絡\t115
4．2 輸入層\t116
4．3 卷積層\t117
4．3．1 填充\t118
4．3．2 步幅\t125
4．4 池化層\t126
4．5 全連接層\t127
4．6 Dropout\t128
4．7 數(shù)據(jù)增強\t129
4．8 典型卷積神經(jīng)網(wǎng)絡算法\t132
4．8．1 LeNet-5網(wǎng)絡\t132
4．8．2 AlexNet\t133
4．8．3 VGG16\t134
4．9 卷積神經(jīng)網(wǎng)絡案例\t136
4．9．1 數(shù)據(jù)簡介\t136
4．9．2 數(shù)據(jù)處理\t136
4．9．3 模型搭建\t138
4．9．4 總結\t140
第5章循環(huán)神經(jīng)網(wǎng)絡\t143
5．1 什么是循環(huán)神經(jīng)網(wǎng)絡\t143
5．2 長短期記憶和門控循環(huán)單元\t145
5．2．1 長短期記憶（LSTM）\t145
5．2．2 門控循環(huán)單元（GRU）\t149
5．3 雙向循環(huán)神經(jīng)網(wǎng)絡\t153
5．4 深度循環(huán)神經(jīng)網(wǎng)絡案例\t154
5．4．1 準備操作\t154
5．4．2 數(shù)據(jù)簡介\t154
5．4．3 數(shù)據(jù)處理\t155
5．4．4 網(wǎng)絡模型搭建\t157
5．4．5 模型訓練\t159
5．4．6 小結\t161
第6章遷移學習\t167
6．1 什么是遷移學習\t167
6．2 遷移學習的工作原理\t168
6．3 遷移學習的優(yōu)勢\t169
6．4 遷移學習的方法\t170
6．5 微調(diào)\t171
6．6 利用遷移學習對花進行分類\t171
6．6．1 準備操作\t172
6．6．2 數(shù)據(jù)處理\t173
6．6．3 網(wǎng)絡模型搭建\t173
6．6．4 模型訓練\t175
6．6．5 微調(diào)\t175
6．6．6 小結\t176