![](http://img3m5.ddimg.cn/32/28/29658155-1_u_1701160937.jpg)
開本:128開 紙張:膠版紙 包裝:平裝 是否套裝:否 國際標準書號ISBN:9787115628503 叢書名:大數據技術精品繫列教材 作者:胡小春,劉雙星 出版社:人民郵電出版社 出版時間:2023年11月 
"編輯推薦 將理論與實戰結合。本書以使用PyTorch實現深度學習的全流程為主線,針對常見的各類深度神經網絡,通過圖文並茂的方式介紹其原理,並通過實例介紹了具體的PyTorch實現方式。
以應用為導向。本書針對深度學習的常見應用,如文字識別、文本生成和圖像風格轉換等,從背景介紹到原理分析,再到任務案例的具體流程,讓讀者明確如何利用所學知識來解決問題,並通過實訓和課後習題鞏固所學知識,真正理解並能夠應用所學知識。
注重啟發式教學。全書大部分章節以一個例子為開端,注重對於讀者思路的啟發與解決方案的實施。通過對深度學習任務的全流程的體驗,讓讀者真正理解並掌握深度學習的相關技術。 內容簡介 本書以PyTorch深度學習的常用技術與真實案例相結合的方式,深入淺出地介紹使用PyTorch實現深度學習應用的重要內容。本書共7章,內容包括深度學習概述、PyTorch深度學習通用流程、PyTorch深度學習基礎、手寫漢字識別、文本生成、基於CycleGAN的圖像風格轉換、基於TipDM大數據挖掘建模平臺實現文本生成等。本書大部分章包含實訓和課後習題,希望通過練習和操作實踐,幫助讀者鞏固所學的內容。
本書可以作為高等學校數據科學與大數據技術或人工智能相關專業的教材,也可作為深度學習愛好者的自學用書。 作者簡介 胡小春,廣西財經學院,副教授,主要研究大數據分析與智能計算方向;近五年主持與參與國家級、省部級科研課題5項、市廳級項目3項,在《小型微型計算機繫統》、《農業機械學報》等期刊發表學術論文30餘篇,主持、參與省部級教改項目5項,主講《計算機網絡》、《數據庫原理》等課程,主編與參編北京理工大學出版社的《計算機基礎實踐教程》和《Python程序設計》,指導學生獲互聯網+、程序設計大賽等國家級、省部級專業競賽賽一、二、三等獎多項獎項。 目錄 第 1章深度學習概述1
1.1深度學習簡介1
1.1.1深度學習的定義1
1.1.2深度學習的常見應用2
1.2深度學習與應用領域9
1.2.1深度學習與計算機視覺9
1.2.2深度學習與自然語言處理10 第 1章深度學習概述1
1.1深度學習簡介1
1.1.1深度學習的定義1
1.1.2深度學習的常見應用2
1.2深度學習與應用領域9
1.2.1深度學習與計算機視覺9
1.2.2深度學習與自然語言處理10
1.2.3深度學習與語音識別11
1.2.4深度學習與機器學習12
1.2.5深度學習與人工智能13
1.3PyTorch簡介14
1.3.1各深度學習框架對比14
1.3.2PyTorch生態16
1.3.3PyTorch特點17
1.3.4PyTorch安裝17
1.4PyTorch中的預訓練模型23
1.4.1預訓練模型的概念23
1.4.2預訓練模型的使用場景24
1.4.3PyTorch預訓練模型的調用方法25
小結26
課後習題26
第 2章PyTorch深度學習通用流程28
2.1數據加載與預處理29
2.1.1數據加載29
2.1.2數據預處理30
2.1.3加載及預處理貓狗分類數據37
2.2構建網絡42
2.2.1常用的網絡構建方法42
2.2.2激活函數46
2.2.3構建基於卷積神經網絡的貓狗分類網絡50
2.3編譯網絡53
2.3.1損失函數53
2.3.2優化器56
2.3.3編譯基於卷積神經網絡的貓狗分類網絡59
2.4訓練網絡60
2.4.1迭代次數60
2.4.2批訓練61
2.4.3訓練基於卷積神經網絡的貓狗分類網絡61
2.5性能評估62
2.5.1評估指標62
2.5.2評估基於卷積神經網絡的貓狗分類模型的性能63
小結66
實訓CIFAR-10圖像分類66
課後習題67
第3章PyTorch深度學習基礎68
3.1卷積神經網絡基礎68
3.1.1常用的卷積神經網絡算法及其結構68
3.1.2卷積神經網絡中的常用網絡層72
3.1.3基於卷積神經網絡的手寫數字識別87
3.2循環神經網絡基礎97
3.2.1常用的循環神經網絡算法及其結構97
3.2.2循環神經網絡中的常用網絡層101
3.2.3基於LSTM網絡的時間序列分析111
3.3生成對抗網絡基礎115
3.3.1常用的生成對抗網絡算法及其結構115
3.3.2基於生成對抗網絡的手寫數字圖像生成119
小結126
實訓1基於卷積神經網絡的人臉表情識別126
實訓2基於循環神經網絡的文本情感分類126
實訓3基於生成對抗網絡的人物圖片生成127
課後習題127
第4章手寫漢字識別129
4.1目標分析129
4.1.1背景129
4.1.2分析目標130
4.1.3項目工程結構131
4.2加載數據132
4.2.1定義生成圖像集路徑文檔的函數132
4.2.2定義讀取並轉換圖像數據格式的類133
4.2.3加載圖像數據134
4.3構建網絡135
4.4編譯網絡137
4.5訓練網絡138
4.6性能評估138
4.7模型預測140
小結140
實訓手寫中文數字識別141
課後習題141
第5章文本生成142
5.1目標分析142
5.1.1背景142
5.1.2分析目標143
5.1.3項目工程結構143
5.2文本預處理144
5.2.1處理數據144
5.2.2創建字典145
5.2.3生成序列146
5.3構建網絡148
5.3.1定義文本生成類的構造方法149
5.3.2初始化權重150
5.3.3設置數據在網絡中的流動方向151
5.4訓練網絡153
5.4.1設置配置項153
5.4.2執行訓練154
5.4.3定義文本生成器156
5.5結果分析159
小結160
實訓基於LSTM網絡的文本生成160
課後習題161
第6章基於CycleGAN的圖像風格轉換162
6.1目標分析162
6.1.1背景162
6.1.2分析目標163
6.1.3項目工程結構164
6.2數據準備164
6.3構建網絡166
6.3.1殘差網絡167
6.3.2生成器167
6.3.3判別器169
6.3.4緩存隊列170
6.4訓練網絡171
6.5結果分析175
小結176
實訓基於CycleGAN實現鼕天與夏天的圖像風格轉換176
課後習題177
第7章基於TipDM大數據挖掘建模平臺實現文本生成178
7.1平臺簡介178
7.1.1共享庫180
7.1.2數據連接180
7.1.3數據集180
7.1.4我的工程181
7.1.5個人組件184
7.2實現文本生成184
7.2.1配置數據源185
7.2.2文本預處理187
7.2.3構建網絡189
7.2.4訓練網絡191
7.2.5結果分析195
小結197
實訓通過TipDM平臺實現基於LSTM網絡的文本生成197
課後習題197
|