书籍详情

人工智能:深度学习核心算法(精装版)

人工智能:深度学习核心算法(精装版)

作者:冯超 著

出版社:电子工业出版社

出版时间:2020-09-01

ISBN:9787121381423

定价:¥98.00

购买这本书可以去
内容简介
  本书是一本介绍深度学习核心算法的书籍。书中以轻松、直白的语言,生动、详细地介绍了与深度学习模型相关的基础知识,深入剖析了深度学习核心算法的原理与本质。同时,书中配有大量案例与源码,帮助读者切实体会深度学习的核心思想和精妙之处。此外,书中还介绍了深度学习在计算机视觉、自然语言处理和推荐系统领域的应用,从原理层面揭示其思想,帮助读者在这些领域中夯实技术基础。
作者简介
  冯超毕业于中国科学院大学,现任阿里巴巴高级算法专家,曾在滴滴出行、猿辅导等公司担任核心算法业务负责人。自 2016 年起,在知乎开设技术专栏,并著有技术书《深度学习轻松学:核心算法与视觉实践》《强化学习精要:核心算法与 TensorFlow 实现》。
目录
第 1 章 从生活走进深度学习 1
1.1 钞票面值问题1
1.2 机器学习的特征表示5
1.3 机器学习10
1.4 深度学习的逆袭14
1.5 总结与提问 19
第 2 章 构建小型神经网络20
2.1 线性代数基础21
2.2 全连接层与非线性函数27
2.3 神经网络可视化30
2.4 反向传播法35
2.5 反向传播法的计算方法37
2.6 反向传播法在计算上的抽象40
2.7 反向传播法在批量数据上的推广42
2.8 模型训练与结果可视化46
2.9 总结与提问48
第 3 章 多层网络与分类50
3.1 MNIST 数据集50
3.2 概率论基础51
3.3 Softmax 函数57
3.4 交叉熵损失60
3.5 使用 PyTorch 实现模型构建与训练67
3.6 模型结果分析72
3.7 总结与提问74
第 4 章 卷积神经网络76
4.1 卷积操作76
4.2 卷积层汇总了什么83
4.3 卷积层的反向传播87
4.4 ReLU93
4.5 Pooling 层97
4.6 卷积神经网络实验101
4.7 卷积神经网络的感受野103
4.8 总结与提问112
第 5 章 网络初始化113
5.1 错误的初始化113
5.2 关于数值的初始化实验116
5.3 Xavier 初始化122
5.4 MSRA 初始化128
5.5 ZCA 初始化132
5.6 总结与提问138
第 6 章 网络优化140
6.1 梯度下降法140
6.2 动量法145
6.3 随机梯度下降的变种算法151
6.4 总结与提问164
第 7 章 进一步强化网络165
7.1 Dropout165
7.2 Batch Normalization168
7.3 总结与提问176
第 8 章 高级网络结构178
8.1 CIFAR10 数据集178
8.2 VGG 模型179
8.3 ResNet183
8.4 Inception 195
8.5 通道分解的网络196
8.6 总结与提问202
第 9 章 网络可视化203
9.1 模型优化路径的简单可视化203
9.2 卷积神经网络的可视化206
9.3 图像风格转换211
9.4 总结与提问217
第 10 章 物体检测218
10.1 物体检测的评价指标218
10.2 YOLOv3:一阶段检测算法223
10.3 Faster RCNN:两阶段检测算法230
10.4 总结与提问235
第 11 章 词嵌入237
11.1 One-Hot 编码的缺点237
11.2 分布式表征238
11.3 负采样242
11.4 SGNS 实现243
11.5 tSNE247
11.6 总结与提问255
第 12 章 循环神经网络256
12.1 语言模型与循环神经网络256
12.2 RNN 实现259
12.3 LSTM 网络262
12.4 语言模型实践266
12.5 LSTM 网络的可视化与分析272
12.6 RNN 的应用类型274
12.7 CTC276
12.8 总结与提问282
第 13 章 Transformer284
13.1 Transformer 模型的基本结构286
13.2 模型训练与预测293
13.3 BERT 模型296
13.4 总结与提问303
第 14 章 深度分解模型304
14.1 分解机306
14.2 评价指标 AUC310
14.3 DeepFM314
14.4 DeepFM 的改进方法317
14.5 总结与提问322
猜您喜欢

读书导航