了得網研究生_Keras與深度學習實戰

商品搜索

类别：

关键字：

商品分类

　研究生
　 工学
　 公共课
　 经济管理
　 理学
　 农学
　 文法类
　 医学

　音乐
　 音乐理论

　声乐　通俗音乐　音乐欣赏　钢琴　二胡　小提琴

Keras與深度學習實戰
該商品所屬分類：研究生 -> 工學
【市場價】	297-430元
【優惠價】	186-269元
【作者】	黃可坤，張良均
【所屬類別】	圖書教材研究生/本科/專科教材工學
【出版社】	人民郵電出版社
【ISBN】	9787115619792
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

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：9787115619792

叢書名：大數據技術精品繫列教材

作者：黃可坤，張良均

出版社：人民郵電出版社

出版時間：2023年09月

編輯推薦

二十大精神融入。全面貫徹黨的二十大精神，以新時代中國特色社會主義思想、社會主義核心價值觀為引領,加強基礎研究、發揚鬥爭精神，為建設社會主義文化強國、數字強國添磚加瓦，深入淺出地介紹使用Keras進行深度學習的重要理論和實踐內容。?
理論與實戰結合。本書以使用Keras框架實現深度學習的方法為主線，針對各類常見的深度神經網絡，不僅使用圖形和公式詳細介紹其對應的原理，還介紹其對應的Keras的實現。
? 以應用為導向。本書針對深度學習的常見應用，如目標檢測、文本生成和圖像風格轉換等，詳細講解了背景、原理以及案例的具體流程，讓讀者明確如何利用所學知識來解決問題。通過實訓和課後習題鞏固所學知識，讀者可以真正理解並能夠應用所學知識。
? 注重啟發式教學。本書大部分章以一個例子為開端，注重對讀者思維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，讀者可以真正理解並掌握深度學習的相關技術。

內容簡介

本書以Keras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Keras進行深度學習的重要內容。全書共7章，內容包括深度學習概述、Keras深度學習通用流程、Keras深度學習基礎、基於RetinaNet的目標檢測、基於LSTM網絡的詩歌生成、基於CycleGAN的圖像風格轉換、基於TipDM大數據挖掘建模平臺實現詩歌生成等。本書大部分章包含實訓和課後習題，通過練習和操作實踐，讀者可以鞏固所學的內容。
本書可以作為高校數據科學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

黃可坤，男，嘉應學院教授，現任數學學院院長。主要從事模式識別方面的研究，在IEEE TNNLS, TGRS, TIP, TCYB等國際一流期刊發表論文20多篇，主持2項深度學習相關的國家自然科學基金項目。主講《深度學習》《模式識別》《數學建模》等課程。被評為全國數學建模競賽優秀指導教師，廣東省南粵優秀教師，梅州市最美科技工作者等。
張良均資深大數據專家，廣東泰迪智能科技股份有限公司董事長，國家科技部入庫技術專家，全國專業學位水平評估專家，工信部教育與考試中心入庫專家，中國工業與應用數學學會理事，廣東省工業與應用數學學會副理事長，廣東省高等職業教育教學指導委員會委員，華南師範大學、中南財經政法大學等40餘所高校校外碩導或兼職教授，泰迪杯全國數據挖掘挑戰賽發起人。曾在國內外重要學術刊物上發表學術論文10餘篇，主導編寫圖書專著60餘部，其中獲普通高等教育“十一五”規劃教材一部，“十三五”職業教育國家規劃教材一部；參與標準建設4項，主持國家級課題1項、省部級課題4項。獲得SAS、SPSS數據挖掘認證及Hadoop開發工程師證書，具有信訪、電力、電信、銀行、制造企業、電子商務和電子政務的項目經驗和行業背景，並榮獲中國產學研合作促進獎、中國南方電網公司發明專利一等獎、廣東省農業技術推廣二等獎、廣州市荔灣區科學技術進步獎。

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11
1.2.5深度學習與人工智能12
1.3Keras簡介13
1.3.1各深度學習框架對比13
1.3.2Keras與TensorFlow的關繫15
1.3.3Keras常見接口15
1.3.4Keras特性17
1.3.5Keras安裝17
1.3.6Keras中的預訓練模型20
小結22
課後習題23
第2章 Keras深度學習通用流程24
2.1基於全連接網絡的手寫數字識別實例24
2.2數據加載與預處理28
2.2.1數據加載28
2.2.2數據預處理31
2.3構建網絡39
2.3.1模型生成39
2.3.2核心層40
2.3.3自定義層47
2.4訓練網絡51
2.4.1優化器51
2.4.2損失函數54
2.4.3訓練方法60
2.5性能評估64
2.5.1性能監控64
2.5.2回調檢查69
2.6模型的保存與加載77
實訓1利用Keras進行數據加載與增強79
實訓2利用Keras構建網絡並訓練80
小結80
課後習題81
第3章Keras深度學習基礎82
3.1卷積神經網絡基礎82
3.1.1卷積神經網絡中的常用網絡層83
3.1.2基於卷積神經網絡的手寫數字識別實例96
3.1.3常用卷積神經網絡算法及其結構99
3.2循環神經網絡106
3.2.1循環神經網絡中的常用網絡層108
3.2.2基於循環神經網絡和Self Attention網絡的新聞摘要分類實例123
3.3生成對抗網絡131
3.3.1常用生成對抗網絡算法及其結構131
3.3.2基於生成對抗網絡的手寫數字生成實例135
實訓1卷積神經網絡150
實訓2循環神經網絡151
實訓3生成對抗網絡151
小結152
課後習題152
第4章基於RetinaNet的目標檢測154
4.1算法簡介與目標分析154
4.1.1背景介紹154
4.1.2目標檢測算法概述155
4.1.3目標檢測相關理論介紹156
4.1.4分析目標158
4.1.5項目工程結構158
4.2數據準備159
4.2.1數據集下載159
4.2.2圖像預處理160
4.2.3數據集編碼166
4.2.4數據集管道設置171
4.3構建網絡171
4.3.1RetinaNet的網絡結構172
4.3.2構建RetinaNet173
4.4訓練網絡177
4.4.1定義損失函數177
4.4.2訓練網絡180
4.4.3加載模型測試點181
4.5模型預測182
4.5.1進行解碼與非極大值抑制處理182
4.5.2預測結果184
實訓使用VOC2007數據集訓練和測試RetinaNet186
小結186
課後習題186
第5章基於LSTM網絡的詩歌生成187
5.1目標分析187
5.1.1背景介紹187
5.1.2分析目標188
5.1.3項目工程結構189
5.2文本預處理189
5.2.1標識詩句結束點189
5.2.2去除低頻詞190
5.2.3構建映射191
5.3構建網絡191
5.3.1設置配置項參數191
5.3.2生成訓練數據192
5.3.3構建LSTM網絡194
5.4訓練網絡194
5.4.1查看學習情況194
5.4.2生成詩句195
5.4.3訓練網絡196
5.5結果分析197
實訓基於LSTM網絡的文本生成199
小結199
課後習題199
第6章基於CycleGAN的圖像風格轉換200
6.1目標分析200
6.1.1背景介紹200
6.1.2分析目標201
6.1.3項目工程結構201
6.2數據準備203
6.3構建網絡205
6.3.1定義恆等映射網絡函數206
6.3.2定義殘差網絡函數207
6.3.3定義生成器函數208
6.3.4定義判別器函數211
6.4訓練網絡212
6.4.1定義訓練過程函數212
6.4.2定義生成圖像函數214
6.5結果分析215
實訓基於CycleGAN實現莫奈畫作與現實風景圖像的風格轉換217
小結217
課後習題218
第7章基於TipDM大數據挖掘建模平臺實現詩歌生成219
7.1平臺簡介219
7.1.1共享庫220
7.1.2數據連接220
7.1.3數據集221
7.1.4我的工程222
7.1.5個人組件224
7.2實現詩歌生成224
7.2.1配置數據源225
7.2.2文本預處理227
7.2.3構建網絡227
7.2.4訓練網絡230
7.2.5結果分析234
實訓實現基於TipDM大數據挖掘模平臺的文本生成235
小結236
課後習題236

網友評論我們期待著您對此商品發表評論

相關商品

商品搜索

商品分类

【醫學】

【各大出版社】