深度學習全書 — 公式 + 推導 + 代碼 + TensorFlow 全程案例
洪錦魁 主編 陳昭明 著
- 出版商: 清華大學
- 出版日期: 2022-09-01
- 定價: $954
- 售價: 8.5 折 $811
- 語言: 簡體中文
- ISBN: 7302610304
- ISBN-13: 9787302610304
-
相關分類:
DeepLearning、TensorFlow
-
相關翻譯:
深度學習 -- 最佳入門邁向 AI 專題實戰, 2/e (繁中版)
買這商品的人也買了...
-
$245統計學習理論基礎
-
$301人工智能算法 捲1 基礎算法
-
$520$406 -
$414$393 -
$403速通機器學習
-
$611$575 -
$680$537 -
$780$616 -
$607利用 Python 實現概率、統計及機器學習方法(原書第2版)
-
$1,014$963 -
$352Python大數據分析Big Data Analysis with Python
-
$774$735 -
$419$398 -
$254數據挖掘技術(微課視頻版)
-
$254統計計算
-
$780$616 -
$600$570 -
$539$512 -
$1,015資料分析與預測演算法:基於 R語言
-
$359$341 -
$534$507 -
$354$336 -
$300$270 -
$650$507 -
$650$507
商品描述
《深度學習全書——公式+推導+代碼+TensorFlow全程案例》共有15章,分為5部分,第一篇說明深度學習的概念,包括數理基礎,特點是結合編程解題,加深讀者印象,第二篇說明TensorFlow的學習地圖,從張量、自動微分、梯度下降乃至神經層的實踐,逐步解構神經網絡,第三篇介紹CNN算法、影像應用、轉移學習等,第四篇則進入自然語言處理及語音識別的領域,介紹RNN/BERT/Transformer算法、相關應用等,最後,介紹了強化學習的基礎知識,包括馬爾可夫決策過程、動態規劃、蒙特卡洛、Q Learning算法,當然,還有相關案例實踐。
目錄大綱
目 錄
第一篇 深度學習導論
第 1 章 深度學習導論 2
1-1 人工智能的三波浪潮 2
1-2 AI 的學習地圖 4
1-3 機器學習應用領域 5
1-4 機器學習開發流程 6
1-5 開發環境安裝 7
第 2 章 神經網絡原理 12
2-1 必備的數學與統計知識 12
2-2 線性代數 14
2-3 微積分 24
2-3-5 積分 37
2-4 概率與統計 41
2-4-1 數據類型 ……………… 42
2-4-2 抽樣 …………………… 43
2-4-3 基礎統計 ……………… 46
2-4-4 概率 …………………… 53
2-4-5 概率分佈 ……………… 59
2-4-6 假設檢定 ……………… 69
2-5 線性規劃 78
2-6 普通最小二乘法與最大似然
估計法 81
2-6-1 普通最小二乘法 81
2-6-2 最大似然估計法 84
2-7 神經網絡求解 88
2-3-1 微分 …………………… 24
2-3-2 微分定理 ……………… 29
2-3-3 偏微分 ………………… 32
2-3-4 簡單線性回歸求解 …… 36
深度學習全書——公式 + 推導 + 代碼 +TensorFlow 全程案例
第二篇 TensorFlow 基礎篇
第 3 章 TensorFlow 架 構 與
主要功能 98
3-1 常用的深度學習框架 98
3-2 TensorFlow 架構 99
3-3 張量運算 100
3-4 自動微分 105
3-5 神經網絡層 109
第 4 章 神經網絡實踐 114
4-1 撰寫第一個神經網絡程序 114
4-1-1 最簡短的程序 114
4-1-2 程序強化 115
4-1-3 實驗 124
4-2 Keras 模型種類 129
4-2-1 Sequential model 129
4-2-2 Functional API 133
4-3 神 經層 135
4-3-1 完全連接神經層 135
4-3-2 Dropout Layer 137
4-4 激活函數 137
4-5 損失函數 142
4-6 優 化器 144
4-7 效果衡量指標 148
4-8 超參數調校 152
第 5 章 TensorFlow 其他常用
指令 156
5-1 特徵轉換 156
5-2 模型存盤與加載 157
5-3 模型匯總與結構圖 159
5-4 回調函數 161
5-4-1 EarlyStopping
Callbacks 162
5-4-2 ModelCheckpoint
Callbacks 163
5-4-3 TensorBoard Callbacks … 164
5-4-4 自定義 Callback 165
5-4-5 自定義 Callback 應用 … 168
5-4-6 總結 169
5-5 TensorBoard 169
5-5-1 TensorBoard 功能 169
5-5-2 測試 171
5-5-3 寫入圖片 172
5-5-4 直 方圖 173
5-5-5 效果調校 174
5-5-6 敏感度分析 175
5-5-7 總結 176
5-6 模型部署與 TensorFlow
Serving 176
5-6-1 自行開發網頁程序 176
5-6-2 TensorFlow Serving 178
5-7 TensorFlow Dataset 180
5-7-1 產生 Dataset 180
5-7-2 圖像 Dataset 184
5-7-3 TFRecord 與 Dataset … 186
5-7-4 TextLineDataset 189
5-7-5 Dataset 效果提升 191
第 6 章 捲積神經網絡 193
6-1 捲積神經網絡簡介 193
IV
目 錄
6-2 捲積 194
6-3 各式捲積 197
6-4 池 化層 201
6-5 CNN 模型實踐 202
6-6 影像數據增補 206
6-7 可解釋的 AI 211
第 7 章 預先訓練的模型 ………219
7-1 預先訓練的模型簡介 219
7-2 採用完整的模型 221
7-3 採用部分模型 225
7-4 轉移學習 229
7-5 Batch Normalization 說明 233
第三篇 進階的影像應用
第 8 章 目標檢測 238
8-1 圖像辨識模型的發展 238
8-2 滑動窗口 239
8-3 方向梯度直方圖 242
8-4 R-CNN 目標檢測 252
8-5 R-CNN 改良 263
8-6 YOLO 算法簡介 266
8-7 YOLO 環境配置 269
8-8 以 TensorFlow 實踐 YOLO
模型… 274
8-9 YOLO 模型訓練 280
8-10 SSD 算法 285
8-11 TensorFlow Object Detection
API 285
8-12 目標檢測的效果衡量指標 294
8-13 總結 295
第 9 章 進階的影像應用 296
9-1 語義分割介紹 296
9-2 自動編碼器 297
9-3 語義分割實踐 305
9-4 實例分割 311
9-5 風格轉換—人人都可以是
畢加索 315
9-6 臉部辨識 327
9-6-1 臉部檢測 327
9-6-2 MTCNN 算法 332
9-6-3 臉部追蹤 334
9-6-4 臉部特徵點檢測 340
9-6-5 臉部驗證 346
9-7 光學文字辨識 349
9-8 車牌辨識 353
9-9 捲積神經網絡的缺點 357
第 10 章 生成對抗網絡 359
10-1 生成對抗網絡介紹 359
10-2 生成對抗網絡種類 361
10-3 DCGAN 364
10-4 Progressive GAN 375
10-5 Conditional GAN 380
10-6 Pix2Pix 385
10-7 CycleGAN 396
10-8 GAN 挑戰 406
10-9 深度偽造 406
V
深度學習全書——公式 + 推導 + 代碼 +TensorFlow 全程案例
第四篇 自然語言處理
第 11 章 自然語言處理的介紹 …412
11-1 詞袋與 TF-IDF 412
11-2 詞匯前置處理 416
11-3 詞 向量 421
11-4 GloVe 模型 433
11-5 中文處理 436
11-6 spaCy 庫 439
第 12 章 自然語言處理的算法 444
12-1 循環神經網絡 444
12-2 長短期記憶網絡 451
12-3 LSTM 重要參數與多層
LSTM 456
12-4 Gate Recurrent Unit 467
12-5 股價預測 468
12-6 註意力機制 475
12-7 Transformer 架構 485
12-7-1 Transformer 原理 486
12-7-2 Transformer 效能 487
12-8 BERT 488
12-8-1 Masked LM 488
12-8-2 Next Sentence
Prediction 489
12-8-3 BERT 效能微調 490
12-9 Transformers 庫 491
12-9-1 Transformers 庫範例 … 491
12-9-2 Transformers 庫效能
微調 501
12-9-3 後續努力 507
12-10 總結 507
第 13 章 聊天機器人 508
13-1 ChatBot 類別 508
13-2 ChatBot 設計 509
13-3 ChatBot 實踐 511
13-4 ChatBot 工具框架 514
13-4-1 ChatterBot 實踐 514
13-4-2 Chatbot AI 實踐 517
13-4-3 Rasa 實踐 520
13-5 Dialog?ow 實踐 523
13-5-1 Dialog?ow 安裝 525
13-5-2 Dialog?ow 基本功能 … 527
13-5-3 履行 532
13-6 總結 536
第 14 章 語 音 識別 537
14-1 語音基本認識 538
14-2 語音前置處理 549
14-3 語音相關的深度學習應用 561
14-4 自動語音識別 574
14-5 自動語音識別實踐 577
14-6 總結 578
VI
目 錄
第五篇 強化學習
第 15 章 強 化 學習 580
15-1 強化學習的基礎 581
15-2 強化學習模型 583
15-3 簡單的強化學習架構 586
15-4 Gym 庫 593
15-5 Gym 擴充功能 600
15-6 動態規劃 602
15-7 值 循環 607
15-8 蒙特卡洛 610
15-9 時序差分 619
15-10 其他算法 628
15-11 井字游戲 630
15-12 木棒小車 636
15-13 總結 637
VI