| 商品基本信息,请以下列介绍为准 |
| 商品名称： | 深度学习入门 基于Python的理论与实现 |
| 作者： | 斋藤康毅 |
| 市场价： | 59.00 |
| ISBN号： | 9787115485588 |
| 出版社： | 人民邮电出版社 |
| 商品类型： | 图书 |
| 其他参考信息（以实物为准） |
| 装帧：平装 | 开本： 32 | 语种：中文 |
| 印刷时间：2018-07-01 | 版次：1 | 页数： |
| 编辑 |
1.日本深度学习入门经典书，原版上市不足2年印刷已达100 000册。长期位列日亚“人工智能”类图书，众多五星好评。 2.使用Python 3，尽量不依赖外部库或工具，从零创建一个深度学习模型。 3.示例代码清晰，源代码可下载，需要的运行环境非常简单。读者可以一边读书一边执行程序，简单易上手。 4.使用平实的语言，结合直观的插图和具体的例子，将深度学习的原理掰开揉碎讲解，简明易懂。 5.使用计算图介绍复杂的误差反向传播法，非常直观。 6.相比AI圣经“花书”，本书更合适入门。 对于非AI方向的技术人员，本书将大大降低入门深度学习的门槛；对于在校大学生、研究生，本书不失为学习深度学习的一本好教材；即便是在工作中已经熟练使用框架开发各类深度学习模型的读者，也可以从本书中获得新的体会。——摘自本书译者序
|
| 内容简介 |
本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等疑难的问题。 本书适合深度学习初学者阅读，也可作为高校教材使用。
...... |
| 目录 |
| 译者序 xiii
前言 xv
第 1 章 Python入门 1
1.1 Python是什么 1
1.2 Python的安装 2
1.3 Python解释器 4
1.4 Python脚本文件 9
1.5 NumPy 11
1.6 Matplotlib 16
1.7 小结 19
第 2 章 感知机 21
2.1 感知机是什么 21
2.2 简单逻辑电路 23
2.3 感知机的实现 25
2.4 感知机的局限性 28
2.5 多层感知机 31
2.6 从与非门到计算机 35
2.7 小结 36
第3 章 神经网络 37
3.1 从感知机到神经网络 37
3.2 激活函数 42
3.3 多维数组的运算 50
3.4 3 层神经网络的实现 56
3.5 输出层的设计 63
3.6 手写数字识别 69
3.7 小结 79
第4 章 神经网络的学习 81
4.1 从数据中学习 81
4.2 损失函数 85
4.3 数值微分 94
4.4 梯度 100
4.5 学习算法的实现 109
4.6 小结 118
第5 章 误差反向传播法 121
5.1 计算图 121
5.2 链式法则 126
5.3 反向传播 130
5.4 简单层的实现 135
5.5 激活函数层的实现 139
5.6 Affine/Softmax层的实现 144
5.7 误差反向传播法的实现 154
5.8 小结 161
第6 章 与学习相关的技巧 163
6.1 参数的更新 163
6.2 权重的初始值 176
6.3 Batch Normalization 184
6.4 正则化 188
6.5 超参数的验证 195
6.6 小结 200
第7 章 卷积神经网络 201
7.1 整体结构 201
7.2 卷积层 202
7.3 池化层 214
7.4 卷积层和池化层的实现 216
7.5 CNN的实现 224
7.6 CNN的可视化 228
7.7 具有代表性的CNN 231
7.8 小结 233
第8 章 深度学习 235
8.1 加深网络 235
8.2 深度学习的小历史 242
8.3 深度学习的高速化 248
8.4 深度学习的应用案例 253
8.5 深度学习的未来 258
8.6 小结 264
附录A Softmax-with-Loss 层的计算图 267
A.1 正向传播 268
A.2 反向传播 270
A.3 小结 277
参考文献 279
|
| 作者简介 |
斋藤康毅（作者） 东京工业大学毕业，并完成东京大学研究生院课程。现从事计算机视觉与机器学习相关的研究和开发工作。是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版译者。 陆宇杰（译者） 众安科技NLP算法工程师。主要研究方向为自然语言处理及其应用，对图像识别、机器学习、深度学习等领域有密切关注。Python爱好者。
|
·······
^_^:39b3895cfa61fd9355159493c9f63bf6
