PaddlePaddle與深度學習應用實戰 ( 簡體 字) |
| 作者：程天恒 | 類別：1. -> 程式設計 -> 深度學習 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 49224
詢問書籍請說出此書號！【有庫存】
NT售價： 325 元 |
| 出版日：5/1/2018 |
| 頁數：232 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121342479 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：前言
深度學習是當下十分火熱的技術之一，在大數據和大規模高速并行計算的幫助下，深度神經網絡在各大領域開始發揮出巨大威力。“刷臉”解鎖、自動駕駛、機器翻譯、圖像識別，這些技術已經扎根于我們的生活之中。有人說“21 世紀是人工智能的世紀”，我很贊同這個觀點，尤其近幾年，出現了像AlphaGo、Apollo 自動駕駛這樣的技術浪潮。在學術界，機器學習相關會議和期刊投稿數逐年翻倍，越來越多的學者轉向人工智能領域，或是研究機器學習最基本的理論；或是不斷追求更好的方法和模型來解決計算機視覺、自然語言處理及數據挖掘；或是開始尋找新方向，走出一條“AI+”之路，將深度學習應用到更廣闊的領域，如醫療、零售等。很多人認為這些都是科學理論，離我們還很遙遠，其實不然，人工智能應用已經在不斷靠近并改善我們的生活。
在這樣一個浪潮趨勢下，可能越來越多的人會投身于人工智能領域，但很多資料和文獻門檻過高，豐富的數學理論知識，讓很多人望而卻步。因此，借著這個機會，我想通過這本書把我所學的分享給大家，讓我們共同學習，共同創造，共同為人工智能的發展貢獻一份力量。
本書內容
本書共9 章，首先從基礎知識入手，將PaddlePaddle 框架的函數與深度學習知識相結合，帶領讀者靈活搭建神經網絡，并選擇合適的優化算法和激活函數，訓練神經網絡。
結合目前前沿的研究及樣例代碼，幫助讀者加深對卷積神經網絡和循環神經網絡的理解。
接著用豐富的案例，如圖像識別、圖像描述及聊天機器人等，通過實例講解如何將PaddlePaddle 框架應用到實際應用中。
最后，介紹了對抗網絡（GAN）及強化學習的基本思想和應用，通過解讀對抗網絡（GAN）的官方代碼，幫助讀者理解GAN。
本書面向的讀者
對深度學習感興趣的初學者。對于初學者，本書將PaddlePaddle 框架和深度學習的基本概念和基本原理相結合，在學習理論知識的同時掌握了一個高效的深度學習框架。
人工智能領域的研究者及從業者。對于從業者，本書更是一本工具書，讀者可以通過閱讀本書學習PaddlePaddle 框架，利用豐富的實例和代碼快速上手，并將PaddlePaddle 框架運用到自己的工作和研究中。
致謝
感謝百度公司PaddlePaddle 團隊，開發出一款高效、易用、易學的深度學習框架PaddlePaddle，并成為國內首個開源深度學習平臺。
感謝百度公司PaddlePaddle 開發者和開源社區的朋友，能夠快速地回復我的每一個GitHub Issue，并耐心指導我解決一些問題。
感謝本書所引用著作和論文的作者們，你們的學習成果為我打開了通往人工智能新世界的
大門，通過學習你們在這些領域的知識，我對深度學習的理論知識及其應用都得到了提升和加強。
感謝本書的每一位讀者，你們的存在是對我最大的支持和鼓勵。當然，如果在閱讀過程中發現了一些錯誤或者疑問，十分歡迎與您交流溝通。
由于本人能力有限，因此書中可能存在一些不恰當的表述或者遺漏，還請多多包涵。
程天恒 |
內容簡介：深度學習是目前人工智能研究中前沿、有效的一項技術，主要通過構建深度神經網絡解決視覺、自然語言處理、語音識別等諸多領域的問題。百度在2016年發布了國內首個開源深度學習框架PaddlePaddle，簡化了深度學習算法的實現步驟，提供了靈活、易用的接口，同時支持分布式訓練。 本書由簡單的例子引入深度學習和PaddlePaddle框架，介紹了PaddlePaddle的安裝、測試與基本使用，并結合PaddlePaddle接口介紹深度學習的基礎知識，包括常用的神經網絡和算法。最后，通過一系列深度學習項目實例介紹PaddlePaddle在各種場景和問題中的應用，讓讀者由淺至深地理解并運用深度學習解決實際問題。 |
目錄：第1 章 深度學習簡介 .............. 1
1.1 初見 ............... 1
1.2 機器學習 ............... 1
1.3 神經網絡 ............... 3
1.4 深度學習介紹 ............... 7
1.5 深度學習應用 ............... 8
1.6 深度學習框架 ............. 12
1.7 深度學習的未來 ............. 15
第2 章 PaddlePaddle 簡介 ........... 16
2.1 安裝PaddlePaddle ............. 16
2.2 測試PaddlePaddle ............. 29
第3 章 初探手寫數字識別 ............ 31
第4 章 PaddlePaddle 基本用法 ........... 44
4.1 數據準備 ............... 44
4.2 原始數據讀取及預處理 ............. 44
4.3 PaddlePaddle 訓練數據 ............. 46
4.4 模型配置 ............... 52
4.5 激活函數 ............... 58
4.6 優化方法 ............... 64
4.7 損失函數 ............... 72
4.8 均方損失函數 ............. 73
4.9 交叉熵損失函數 ............. 73
4.10 Huber 損失函數 .............. 74
4.11 CRF 損失函數 ............. 74
4.12 CTC 損失函數 ............. 75
4.13 反向傳播算法 ............. 75
第5 章 卷積神經網絡 ............ 78
5.1 卷積神經網絡 ............. 78
5.2 實例學習 ............... 87
5.3 拓展 ............... 112
第6 章 循環神經網絡 ............ 118
6.1 RNN 簡介 .............. 118
6.2 雙向循環神經網絡 ............. 121
6.3 循環神經網絡使用場景 ........... 127
6.4 預測sin 函數序列 ............. 129
6.5 拓展 ............... 134
第7 章 PaddlePaddle 實戰 ........... 136
7.1 自編碼器 ............... 136
7.2 PaddlePaddle 實現自編碼器 ........... 137
7.3 實戰OCR 識別（一） ............. 140
7.4 實戰OCR 識別（二） ............. 150
7.5 情感分析 ............... 164
7.6 Seq2Seq 及其應用 ............ 172
7.7 實現 ............... 178
7.8 Image Caption .............. 194
第8 章 深度學習新星：生成對抗網絡GAN ......... 208
8.1 生成對抗網絡（GAN） ........... 208
8.2 GAN 的其他應用 .............. 213
第9 章 強化學習與AlphaGo ............ 216 |
| 序： |
