《Python 深度学习实战：75个有关神经网络建模、强化学习与迁移学习的解决方案》 - 英德拉.丹.巴克著，程国建译 - 机械工业出版社 - 香港大書城

	登入帳戶　 \|　訂單查詢　 \|　購物車/收銀台(0)　\|　在線留言板　 \|　付款方式　 \|　運費計算　 \|　聯絡我們　 \|　幫助中心　\|　加入書簽
		會員登入新用戶登記

HOME

新書上架

暢銷書架

好書推介

2023年度TOP

臺灣用戶

品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心

服務：香港／台灣／澳門／海外

送貨：速遞／郵局／服務站

新書上架：簡體書繁體書
暢銷書架：簡體書繁體書
好書推介：簡體書繁體書

『簡體書』Python 深度学习实战：75个有关神经网络建模、强化学习与迁移学习的解决方案

書城自編碼： 3209631
分類：簡體書→大陸圖書→計算機/網絡→程序設計
作者：英德拉.丹.巴克著，程国建译
國際書號(ISBN)： 9787111598725
出版社：机械工业出版社
出版日期： 2018-06-01

書度/開本： 16开釘裝：平装

售價：HK$ 112.2

我要買件

** 我創建的書架 **
未登入.

新書推薦：

《万千教育学前·透视学前儿童的发展：解析幼儿教师常问的那些问题》
售價：HK$ 59.8

《慈悲与玫瑰》
售價：HK$ 89.7

《启蒙的辩证：哲学的片简（法兰克福学派哲学经典，批判理论重要文本）》
售價：HK$ 78.2

《心跳重置》
售價：HK$ 60.7

《云中记》
售價：HK$ 78.2

《中国古代妇女生活（中国古代生活丛书）》
售價：HK$ 48.3

《你的认知正在阻碍你》
售價：HK$ 66.7

《我们身边的小鸟朋友：手绘观鸟笔记》
售價：HK$ 80.3

建議一齊購買：

HK$ 112.2
《深度学习：卷积神经网络从入门到精通》

HK$ 83.8
《Keras深度学习实战》

HK$ 97.4
《Python深度学习》

HK$ 98.0
《TensorFlow学习指南：深度学习系统构建详解》

HK$ 181.8
《深度学习之美：AI时代的数据处理与最佳实践》

編輯推薦：

本书针对所提出的问题提供技术解决方案，并提供对这些解决方案的详细解释。此外，还讨论了使用TensorFlow、PyTorch、Keras和CNTK等流行开源框架针对实际问题解决方案相应的优缺点。本书也介绍了人工神经网络基本概念及其相关技术，包括经典的网络拓扑等。本书主要目的是为Python程序员提供较为详细的实战方案，以便将深度学习应用于常见和不常见实际问题场景。本书包括14章：（1）　编程环境、GPU 计算、云解决方案和深度学习框架；（2）前馈神经网络；（3）卷积神经网络；（4）递归神经网络；（5）强化学习；（6）生成对抗网络；（7）计算机视觉；（8）自然语言处理；（9）语音识别和视频分析；（10）时间序列和结构化数据；（11）游戏智能体和机器人；（12）超参数选择、调优和神经网络学习；（13）网络内部构造；（14）预训练模型。本书的主要特点：1）提供训练不同神经网络模型并调整模型以期获得佳性能的实战方案；2）使用诸如TensorFlow、Caffe、Keras、Theano的Python框架进行自然语言处理、计算机视觉识别等；3）Python深度学习中的常见以及不常见问题的解决指南

內容簡介：

本书以自上而下和自下而上的方法来展示针对不同领域实际问题的深度学习解决方案，包括图像识别、自然语言处理、时间序列预测和机器人操纵等。还讨论了采用诸如TensorFlow、PyTorch、Keras和CNTK等流行的深度学习开源框架用于实际问题的解决方案及其优缺点。本书内容包括：用于深度学习的编程环境、GPU计算和云端解决方案；前馈神经网络与卷积神经网络；循环与递归神经网络；强化学习与生成对抗网络；深度学习用于计算机视觉、自然语言处理、语音识别、视频分析、时间序列预测、结构化数据分析以及游戏智能体（Agents）和机器人操控等。后讨论了深度学习的超参数选择和神经网络的内在结构以及预训练模型的使用技巧等。

關於作者：

Indra den Bakker是一位经验丰富的深度学习工程师和培训师。他是23insights平台的创始人，这是NVIDIA所属孵化项目计划的一部分，这是一个机器学习构建解决方案的初创型计划，可以改变世界上重要的行业。在开放课程平台Udacity，他指导了在深度学习和相关领域攻读微学位（Nanodegree）的学生，他还负责审查学生的实习项目。Indra拥有计算智能背景，并在创建23insights平台之前作为IPG Mediabrands的品牌代理以及Screen6的数据科学家若干年。

原书前言
第 1章　编程环境、GPU计算、云解决方案和深度学习框架　 1
1.1　简介　 1
1.2　搭建一个深度学习环境　 2
1.3　在 AWS上启动实例　 2
1.4　在 GCP上启动实例　 3
1.5　安装 CUDA和 cuDNN　 4
1.6　安装 Anaconda和库文件　 6
1.7　连接服务器上的 Jupyter Notebooks　 7
1.8　用 TensorFlow构建最先进的即用模型　 8
1.9　直观地用 Keras建立网络　 10
1.10　使用 PyTorch的 RNN动态计算图　 12
1.11　用 CNTK实现高性能模型　 14
1.12　使用 MXNet构建高效的模型　 15
1.13　使用简单、高效的 Gluon编码定义网络　 17
第 2章　前馈神经网络　 19
2.1　简介　 19
2.2　理解感知器　 19
2.3　实现一个单层神经网络　 23
2.4　构建一个多层神经网络　 27
2.5　开始使用激活函数　 30
2.6　关于隐层和隐层神经元的实验　 35
2.7　实现一个自动编码器　 38
2.8　调整损失函数　 41
2.9　测试不同的优化器　 44
2.10　使用正则化技术提高泛化能力　 47
2.11　添加 Dropout以防止过拟合　 51
第 3章　卷积神经网络　 56
3.1　简介　 56
3.2　开始使用滤波器和参数共享　 56
3.3　应用层合并技术　 60
3.4　使用批量标准化进行优化　 62
3.5　理解填充和步长　 66
3.6　试验不同类型的初始化　 72
3.7　实现卷积自动编码器　 76
3.8　将一维 CNN应用于文本　 79
第 4章　递归神经网络　 81
4.1　简介　 81
4.2　实现一个简单的 RNN　 82
4.3　添加 LSTM　 84
4.4　使用 GRU　 86
4.5　实现双向 RNN　 89
4.6　字符级文本生成　 91
第 5章　强化学习　 95
5.1　简介　 95
5.2　实现策略梯度　 95
5.3　实现深度Q学习算法　 102
第 6章　生成对抗网络　 109
6.1　简介　 109 6.2　了解 GAN　 109
6.3　实现 DCGAN　 112
6.4　使用 SRGAN来提高图像分辨率　 117
第 7章　计算机视觉　 125
7.1　简介　 125
7.2　利用计算机视觉技术增广图像　 125
7.3　图像中的目标分类　 130
7.4　目标在图像中的本地化　 134
7.5　实时检测框架　 139
7.6　用 U-net将图像分类　 139
7.7　语义分割与场景理解　 143
7.8　寻找人脸面部关键点　 147
7.9　人脸识别　 151
7.10　将样式转换为图像　 157
第 8章　自然语言处理　 162
8.1　简介　 162
8.2　情绪分析　 162
8.3　句子翻译　 165
8.4　文本摘要　 169
第 9章　语音识别和视频分析　 174
9.1　简介　 174
9.2　从零开始实现语音识别流程　 174
9.3　使用语音识别技术辨别讲话人　 177
9.4　使用深度学习理解视频　 181
第 10章　时间序列和结构化数据　 185
10.1　简介　 185
10.2　使用神经网络预测股票价格　 185
10.3　预测共享单车需求　 189
10.4　使用浅层神经网络进行二元分类　 192
第 11章　游戏智能体和机器人　 194
11.1　简介　 194
11.2　通过端到端学习来驾驶汽车　 194
11.3　通过深度强化学习来玩游戏　 199
11.4　用 GA优化超参数　 205
第 12章　超参数选择、调优和神经网络学习　 211
12.1　简介　 211
12.2　用 TensorBoard和 Keras可视化训练过程　 211
12.3　使用批量和小批量工作　 215
12.4　使用网格搜索调整参数　 219
12.5　学习率和学习率调度　 221
12.6　比较优化器　 224
12.7　确定网络的深度　 227
12.8　添加 Dropout以防止过拟合　 227
12.9　通过数据增广使模型更加鲁棒　 232
12.10　利用 TTA来提高精度　 234
第 13章　网络内部构造　 235
13.1　简介　 235
13.2　用 TensorBoard可视化训练过程　 235
13.3　用 TensorBoard可视化网络结构　 239
13.4　分析网络权重等　 239
13.5　冻结层　 244
13.6　存储网络结构并训练权重　 246
第 14章　预训练模型　 250
14.1　简介　 250
14.2　使用 GoogLeNet/Inception进行大规模视觉识别　 250
14.3　用 ResNet提取瓶颈特征　 252
14.4　对新类别使用预训练的 VGG模型　 253
14.5　用 Xception细调　 256

內容試閱：

深度学习正在为广泛的行业带来革命性的变化。对于许多应用来说，深度学习通过做出更快和更准确的预测，证明其已经超越人类的预测。本书提供了自上而下和自下而上的方法来展示深度学习对不同领域现实问题的解决方案。这些应用程序包括计算机视觉、自然语言处理、时间序列预测和机器人。本书主要内容第 1章　编程环境、 GPU计算、云解决方案和深度学习框架　主要包括与环境和 GPU计算相关的信息和方案。对于在不同平台上设置环境有问题的读者来说，这是一个必读内容。第 2章　前馈神经网络　提供了与前馈神经网络有关的一系列方法，并作为其他章节的基础。本章的重点是为不同网络拓扑常见的实现问题提供解决方案。第 3章　卷积神经网络　着重介绍卷积神经网络及其在计算机视觉中的应用。它提供了有关 CNN中使用的技术和优化方法。第 4章　递归神经网络　提供了一系列与递归神经网络相关的方法，包括 LSTM（长短期记忆）网络和 GRU（门控递归神经元）。本章的重点是为循环神经网络的常见的实现问题提供解决方案。第 5章　强化学习　涵盖强化学习神经网络的各种方法。本章介绍了在单智能体环境中深度强化学习的概念。第 6章　生成对抗网络　提供了与无监督学习问题相关的一系列方法，这包括图像生成和超分辨率的生成对抗网络。第 7章　计算机视觉　包含图像编码相关的数据处理方法，如视频帧。将提供使用 Python处理图像数据的经典技术，以及用于图像检测、分类和分割的最佳解决方案。第 8章　自然语言处理　涵盖与文本数据处理相关的方法，包括与文本特征表示和处理相关的方法，包括文字嵌入和文本数据存储。第 9章　语音识别和视频分析　涵盖与流数据处理相关的方法，这包括音频、视频和帧序列。第 10章　时间序列和结构化数据　提供与数字运算相关的方法，这包括序列和时间序列。第 11章　游戏智能体和机器人　专注于最先进的深度学习研究应用，这包括与多智能体环境（模拟）和自主车辆中游戏智能体相关的方法。第 12章　超参数选择、调优和神经网络学习　阐述了神经网络学习过程涉及的方方面面。本章的总体目标是提供非常简洁和具体的技巧来提升网络性能。第 13章　网络内部构造　介绍了一个神经网络的内部构造，这包括张量分解、权重初始化、拓扑存储、瓶颈特征和相应的嵌入。第 14章　预训练模型　涵盖了流行的深度学习模型，如 VGG-16和 Inception V4。学习本书所需的准备工作本书专注于 AI（人工智能）的 Python实现，而不是 Python本身。本书使用 Python 3来构建各种应用程序，专注于如何以最好的方式利用各种 Python库来构建真实世界的应用程序。本着这样的精神，尽力使所有的代码尽可能无误易懂，这将使读者能够轻松理解代码，并在不同的场景中使用它。本书读者对象本书面向那些希望使用深度学习算法来创建真实 Python应用程序的机器学习专业人士。对机器学习概念和 Python库（如 NumPy、SciPy和 Scikit-learn）有深入的理解。此外，还需要具备线性代数和微积分的基本知识。约定惯例在本书中，读者将看到许多区分不同类型信息的文本样式。下面是这些样式的一些例子，以及对其含义的解释。文本、数据库表名、文件夹名、文件名、文件扩展名、路径名、虚拟 URL、用户输入和 Twitter句柄中的代码字如下所示：为提供虚拟数据集，将使用 numpy和以下代码。设置如下一段代码：任意命令行的输入或输出如下：新术语和关键词以黑体显示。在屏幕上看到的单词，例如菜单或对话框，就会像这样出现在文本中：
警告或重要关注。提示和技巧图标。读者反馈欢迎读者反馈意见。让作者了解读者对本书的看法，喜欢什么或不喜欢什么。读者反馈对于作者开发真正让读者受益的主题非常重要。若要给作者反馈意见，只需发送邮件到 feedback@packtpub.com，并在邮件标题中注明书名。如果有读者擅长的主题或有兴趣参与撰写或出版的书籍，请查看 www.packtpub.com authors上的作者指南。用户支持既然读者购买了 Packt出版社出版的书籍，那么出版社将会帮助读者获得最大收益。示例代码下载读者可以在 http：www.packtpub.com上根据账户下载本书的示例代码。如果想要购买本书电子版，可以访问 http：www.packtpub.comsupport并注册，将直接通过电子邮件发送给读者。下载代码文件步骤如下：1）通过邮件地址和密码在网站上登录或注册。
2）鼠标指向顶部的SUPPORT选项。
3）单击Code Downloads & Errata。
4）在 Search框中输入书名。
5）选择想要下载代码文件的书籍。
6）在下拉菜单中选择购买本书的方式。
7）单击Code Download。下载完成后，请用以下软件最新版本来解压文件夹：
. WinRAR 7-Zip for Windows。
. Zipeg iZip UnRarX for Mac。
. 7-Zip PeaZip for Linux。
本书的代码包还托管在 GitHub上，https：github.comPacktPublishingHands-On-Deep-Learning-with-TensorFlow。另外在 https：github.comPacktPublishing上的大量图书和视频目录中还有其他代码包。请查阅！勘误尽管已尽力确保内容准确，但仍然难免会有错误。如果读者在书中发现了错误、文本或代码错误，如果能及时告知，将不胜感激。这样会帮助其他读者，并有助于在本书的后续版本中进行完善。如果读者发现任何错误，请访问 http：www.packtpub.comsubmit-errata告示。首先选择书名，点击勘误提交表单链接，然后输入详细的勘误内容。一旦通过验证，原书前言将会接受读者的提交并将勘误表上传网站，或在该标题的勘误部分下添加到现有的勘误表中。若要查看已提交的勘误表，请访问 https：www.packtpub.combookscontentsupport，并在搜索栏中输入书名。相关信息将会显示在 Errata部分中。版权保护在互联网上受版权保护的资料，涉及的盗版问题是一个存在于所有媒体的严重问题。 Packt出版社非常重视保护版权和许可。如果读者在网上发现任何非法复制的作品，请立即提供地址和网址，以便追踪索赔。请通过 copyright@packtpub.com联系我们，并提供疑似盗版材料的链接。非常感谢您在保护作者和为您提供宝贵内容方面的帮助。问题如果读者对本书有任何问题，请通过 questions@packtpub.com联系我们，我们将竭尽全力为读者解决。www.PacktPub.com电子书、折扣优惠等下载本书相关的文件资料，请访问 www.PacktPub.com。您是否知道 Packt出版社为每本出版发行的书籍都提供了电子书版本，其中包括 PDF和 ePub文件？您可以通过 www.PacktPub.com升级电子书版本，作为纸质版用户，还可以享受电子书的折扣。有关更多详细信息，请通过 customercare@packtpub.com与我们联系。在 www.PacktPub.com，读者还可以阅读免费技术文章，订阅一系列免费时事通信，并获得 Packt出版社纸质书和电子书的独家折扣和优惠。使用 Mapt可获得最需要的软件技能。 Mapt可让读者充分访问所有 Packt出版社的图书和视频课程，以及行业领先的工具，帮助读者规划个人发展并推动读者的事业发展。为什么订阅？. 可以在 Packt出版社发行的每本书中全面搜索。
. 复制、粘贴、打印和标注内容。
. 可通过 web浏览器访问。
本书审稿人Radovan Kavicky是 GapData研究院的首席数据科学家和总裁（ https：www.gapdata. org），该研究院总部设在斯洛伐克的布拉迪斯拉发市，致力于利用数据的力量和经济学智慧为公共利益服务。 Radovan Kavicky是一位具有教育和学术背景的宏观经济学家、专业咨询师和分析师（在公共和私营部门为客户提供咨询服务方面具有超过 8年的经验），他具有强大的数学和分析能力，能够提供顶级研究和分析工作。从 MATLAB、SAS和 Stata开始，目前转向 Python、R和 Tableau。他是斯洛伐克经济协会的成员，也是开放数据、开放预算举措和开放政府合作伙伴的传播者。他是 PyData Bratislava、R

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	香港用户　 \|　台灣用户　\|　海外用户

	megBook.com.hk
Copyright © 2013 - 2024 （香港）大書城有限公司　 All Rights Reserved.