PaddlePaddle深度學習實戰+PaddlePaddle與深度學習應用實戰 2本 書籍 pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

程天恒 著

圖書標籤:

• 深度學習
• PaddlePaddle
• 實戰
• 機器學習
• 人工智能
• Python
• 神經網絡
• 圖像識彆
• 自然語言處理
• 模型訓練

店铺： 旷氏文豪图书专营店

出版社： 机械工业

ISBN：9787111600466

商品编码：29224619003

包装：平塑

开本：16

出版时间：2018-05-01

9787111600466 9787121342479  SL585

PaddlePaddle深度學習實戰

書   名:	paddlepaddle深度學習實戰
圖書定價:	69元
作 者:	劉祥龍;楊晴虹;譚中意;蔣曉琳
齣 版 社:	機械工業齣版社
齣版日期:	2018-06-01
ISBN 號:	9787111600466
開   本:	16開
頁   數:	0
版   次:	1-1

 

序 

前言 
緻謝
1章 數學基礎與Python庫 1
1.1 Python是進行人工智能編程的
主要語言 1
1.2 數學基礎 4
1.2.1 綫性代數基礎 4
1.2.2 微積分基礎 8
1.3 Python庫的操作 17
1.3.1 numpy操作 17
1.3.2 matplotlib操作 23
本章小結 27
2章 深度學習概論與PaddlePaddle入門 28
2.1 人工智能、機器學習與深度學習 29
2.1.1 人工智能 30
2.1.2 機器學習 30
2.1.3 深度學習 31
2.2 深度學習的發展曆程 32
2.2.1 神經網絡的*一次高潮 32
2.2.2 神經網絡的*一次寒鼕 33
2.2.3 神經網絡的*二次高潮 34
2.2.4 神經網絡的*二次寒鼕 35
2.2.5 深度學習的來臨 35
2.2.6 深度學習崛起的時代背景 36
2.3 深度學習的應用場景 36
2.3.1 圖像與視覺 37
2.3.2 語音識彆 37
2.3.3 自然語言處理 38
2.3.4 個性化推薦 38
2.4 常見的深度學習網絡結構 39
2.4.1 全連接網絡結構 39
2.4.2 捲積神經網絡 40
2.4.3 循環神經網絡 41
2.5 機器學習迴顧 41
2.5.1 綫性迴歸的基本概念 42
2.5.2 數據處理 44
2.5.3 模型概覽 45
2.5.4 效果展示 46
2.6 深度學習框架簡介 47
2.6.1 深度學習框架的作用 47
2.6.2 常見的深度學習框架 48
2.6.3 PaddlePaddle簡介 49
2.6.4 PaddlePaddle使用 49
2.7 PaddlePaddle實現 51
本章小結 60
3章 深度學習的單層網絡 61
3.1 Logistic迴歸模型 62
3.1.1 Logistic迴歸概述 62
3.1.2 損失函數 64
3.1.3 Logistic迴歸的梯度下降 66
3.2 實現Logistic迴歸模型 71
3.2.1 Python版本 72
3.2.2 PaddlePaddle版本 81
本章小結 90
4章 淺層神經網絡 92
4.1 神經網絡 92
4.1.1 神經網絡的定義及其結構 92
4.1.2 神經網絡的計算 94
4.2 BP算法 100
4.2.1 邏輯迴歸與BP算法 101
4.2.2 單樣本雙層神經網絡的BP算法 101
4.2.3 多個樣本神經網絡BP算法 105
4.3 BP算法實踐 108
4.3.1 Python版本 109
4.3.2 PaddlePaddle版本 116
本章小結 122
5章 深層神經網絡 123
5.1 深層網絡介紹 123
5.1.1 深度影響算法能力 124
5.1.2 網絡演化過程與常用符號 125
5.2 傳播過程 127
5.2.1 神經網絡算法核心思想 127
5.2.2 深層網絡前嚮傳播過程 128
5.2.3 深層網絡後嚮傳播過程 129
5.2.4 傳播過程總結 130
5.3 網絡的參數 132
5.4 代碼實現 133
5.4.1 Python版本 133
5.4.2 PaddlePaddle版本 136
本章小結 140
6章 捲積神經網絡 141
6.1 圖像分類問題描述 141
6.2 捲積神經網絡介紹 142
6.2.1 捲積層 142
6.2.2 ReLU激活函數 147
6.2.3 池化層 148
6.2.4 Softmax分類層 149
6.2.5 主要特點 151
6.2.6 經典神經網絡架構 152
6.3 PaddlePaddle實現 159
6.3.1 數據介紹 159
6.3.2 模型概覽 160
6.3.3 配置說明 160
6.3.4 應用模型 168
本章小結 169
7章 個性化推薦 170
7.1 問題描述 170
7.2 傳統推薦方法 171
7.2.1 基於內容的推薦 172

... ...

PaddlePaddle與深度學習應用實戰

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、語音識彆等諸多領域的問題。百度在2016年發布瞭國內**開源深度學習框架PaddlePaddle，簡化瞭深度學習算法的實現步驟，提供瞭靈活、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，介紹瞭PaddlePaddle的安裝、測試與基本使用，並結閤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。後，通過一係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並運用深度學習解決實際問題。 


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 初探手寫數字識彆 .................................................................................................... 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 反嚮傳播算法 ................................................................................................................... 75

第5 章 捲積神經網絡 ............................................................................................................ 78
5.1 捲積神經網絡 ..................................................................................................................... 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 雙嚮循環神經網絡 ........................................................................................................... 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 識彆（一） ..................................................................................................... 140
7.4 實戰OCR 識彆（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

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆