卷积神经网络的Python实现 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024
☆☆☆☆☆
简体网页||
繁体网页
单建华 作者
人民邮电出版社
译者
2019-1 出版日期
240 页数
49.00元 价格
平装
图灵原创 丛书系列
9787115497567 图书编码
卷积神经网络的Python实现 在线电子书 图书标签:
python
计算科学
计算机科学
机器学习
人工智能
计算机
编译原理
编程
喜欢 卷积神经网络的Python实现 在线电子书 的读者还喜欢
下载链接在页面底部
点击这里下载
立刻按 ctrl+D收藏本页
你会得到大惊喜!!
发表于2024-08-23
卷积神经网络的Python实现 在线电子书 epub 下载 mobi 下载 pdf 下载 txt 下载 2024
卷积神经网络的Python实现 在线电子书 epub 下载 mobi 下载 pdf 下载 txt 下载 2024
卷积神经网络的Python实现 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024
卷积神经网络的Python实现 在线电子书 用户评价
评分
☆☆☆☆☆
内容编排的比较合理,有些地方讲的比较深偏数理,所以不太适合初学者。 整本书散发着浓浓的贫穷的味道,作者宁愿用一些很复杂的术语,大段大段的讲解,也不愿意花点小钱请插画师来画张图,我读着读着脑海中就仿佛浮 现出一个在水中挣扎的想要抓住金斧头的贪婪财主作家。。。 省钱,是这本书过于复杂,不好读懂的原因之一
评分
☆☆☆☆☆
抄袭明显(开头一字不差的抄西瓜书);解释不到位(怀疑作者自己就没搞懂);整篇贴代码; 本书P58页,"程序能替代千言万语",这句话我非常不同意!!! 搞懂原理才容易写出程序,而直接看代码工程量浩大。 本书P54介绍卷积竟然使用数学公式,直接画图不行吗? 为啥挑复杂的。 本书4.1.1和4.1.2 与4.2.4重复!建议一开始就说明清楚,两个融合到一起。 本书的前言所说和内容不符。(“我尽量少的使用数学知识”,然而书中代码和公式一堆)。我建议作者好好看看《python神经网络编程》这本书。 P85页,卷积神经网络上千层??!!!! 请问知道现在能训练到多少层吗? P87 抄袭《深度学习》(花书)的P221。我不明白抄袭这么多为啥还写的"著",应该写成编,出版社不查重?
评分
☆☆☆☆☆
内容编排的比较合理,有些地方讲的比较深偏数理,所以不太适合初学者。 整本书散发着浓浓的贫穷的味道,作者宁愿用一些很复杂的术语,大段大段的讲解,也不愿意花点小钱请插画师来画张图,我读着读着脑海中就仿佛浮 现出一个在水中挣扎的想要抓住金斧头的贪婪财主作家。。。 省钱,是这本书过于复杂,不好读懂的原因之一
评分
☆☆☆☆☆
抄袭明显(开头一字不差的抄西瓜书);解释不到位(怀疑作者自己就没搞懂);整篇贴代码; 本书P58页,"程序能替代千言万语",这句话我非常不同意!!! 搞懂原理才容易写出程序,而直接看代码工程量浩大。 本书P54介绍卷积竟然使用数学公式,直接画图不行吗? 为啥挑复杂的。 本书4.1.1和4.1.2 与4.2.4重复!建议一开始就说明清楚,两个融合到一起。 本书的前言所说和内容不符。(“我尽量少的使用数学知识”,然而书中代码和公式一堆)。我建议作者好好看看《python神经网络编程》这本书。 P85页,卷积神经网络上千层??!!!! 请问知道现在能训练到多少层吗? P87 抄袭《深度学习》(花书)的P221。我不明白抄袭这么多为啥还写的"著",应该写成编,出版社不查重?
评分
☆☆☆☆☆
抄袭明显(开头一字不差的抄西瓜书);解释不到位(怀疑作者自己就没搞懂);整篇贴代码; 本书P58页,"程序能替代千言万语",这句话我非常不同意!!! 搞懂原理才容易写出程序,而直接看代码工程量浩大。 本书P54介绍卷积竟然使用数学公式,直接画图不行吗? 为啥挑复杂的。 本书4.1.1和4.1.2 与4.2.4重复!建议一开始就说明清楚,两个融合到一起。 本书的前言所说和内容不符。(“我尽量少的使用数学知识”,然而书中代码和公式一堆)。我建议作者好好看看《python神经网络编程》这本书。 P85页,卷积神经网络上千层??!!!! 请问知道现在能训练到多少层吗? P87 抄袭《深度学习》(花书)的P221。我不明白抄袭这么多为啥还写的"著",应该写成编,出版社不查重?
卷积神经网络的Python实现 在线电子书 著者简介
单建华
安徽工业大学教授,1998年中国科学技术大学本科,硕博连读。博士毕业后一直从事图像处理,模式识别研究,最几年研究深度学习,特别是卷积神经网络。
卷积神经网络的Python实现 在线电子书 图书目录
第一部分 模型篇
第1章 机器学习简介 2
1.1 引言 2
1.2 基本术语 3
1.3 重要概念 5
1.4 图像分类 12
1.5 MNIST数据集简介 15
第2章 线性分类器 17
2.1 线性模型 17
2.1.1 线性分类器 18
2.1.2 理解线性分类器 19
2.1.3 代码实现 21
2.2 softmax损失函数 22
2.2.1 损失函数的定义 23
2.2.2 概率解释 24
2.2.3 代码实现 25
2.3 优化 26
2.4 梯度下降法 26
2.4.1 梯度的解析意义 27
2.4.2 梯度的几何意义 29
2.4.3 梯度的物理意义 29
2.4.4 梯度下降法代码实现 29
2.5 牛顿法 30
2.6 机器学习模型统一结构 31
2.7 正则化 33
2.7.1 范数正则化 34
2.7.2 提前终止训练 37
2.7.3 概率的进一步解释 38
第3章 神经网络 39
3.1 数学模型 39
3.2 激活函数 41
3.3 代码实现 44
3.4 学习容量和正则化 45
3.5 生物神经科学基础 48
第4章 卷积神经网络的结构 50
4.1 概述 50
4.1.1 局部连接 51
4.1.2 参数共享 52
4.1.3 3D特征图 52
4.2 卷积层 53
4.2.1 卷积运算及代码实现 54
4.2.2 卷积层及代码初级实现 57
4.2.3 卷积层参数总结 63
4.2.4 用连接的观点看卷积层 64
4.2.5 使用矩阵乘法实现卷积层运算 67
4.2.6 批量数据的卷积层矩阵乘法的代码实现 69
4.3 池化层 74
4.3.1 概述 74
4.3.2 池化层代码实现 76
4.4 全连接层 79
4.4.1 全连接层转化成卷积层 80
4.4.2 全连接层代码实现 82
4.5 卷积网络的结构 83
4.5.1 层的组合模式 83
4.5.2 表示学习 86
4.6 卷积网络的神经科学基础 87
第二部分 优化篇
第5章 基于梯度下降法的最优化方法 90
5.1 随机梯度下降法SGD 91
5.2 基本动量法 93
5.3 Nesterov动量法 95
5.4 AdaGrad 95
5.5 RMSProp 97
5.6 Adam 98
5.7 AmsGrad 99
5.8 学习率退火 99
5.9 参数初始化 100
5.10 超参数调优 101
第6章 梯度反向传播算法 104
6.1 基本函数的梯度 104
6.2 链式法则 105
6.3 深度网络的误差反向传播算法 107
6.4 矩阵化 109
6.5 softmax损失函数梯度计算 111
6.6 全连接层梯度反向传播 112
6.7 激活层梯度反向传播 113
6.8 卷积层梯度反向传播 115
6.9 最大值池化层梯度反向传播 118
第三部分 实战篇
第7章 训练前的准备 124
7.1 中心化和规范化 124
7.1.1 利用线性模型推导中心化 125
7.1.2 利用属性同等重要性推导规范化 126
7.1.3 中心化和规范化的几何意义 128
7.2 PCA和白化 128
7.2.1 从去除线性相关性推导PCA 129
7.2.2 PCA代码 130
7.2.3 PCA降维 131
7.2.4 PCA的几何意义 133
7.2.5 白化 134
7.3 卷积网络在进行图像分类时如何预处理 135
7.4 BN 136
7.4.1 BN前向计算 136
7.4.2 BN层的位置 137
7.4.3 BN层的理论解释 138
7.4.4 BN层在实践中的注意事项 139
7.4.5 BN层的梯度反向传播 140
7.4.6 BN层的地位探讨 141
7.4.7 将BN层应用于卷积网络 141
7.5 数据扩增 142
7.6 梯度检查 144
7.7 初始损失值检查 146
7.8 过拟合微小数据子集 146
7.9 监测学习过程 147
7.9.1 损失值 147
7.9.2 训练集和验证集的准确率 148
7.9.3 参数更新比例 149
第8章 神经网络实例 150
8.1 生成数据 150
8.2 数据预处理 152
8.3 网络模型 153
8.4 梯度检查 156
8.5 参数优化 158
8.6 训练网络 159
8.7 过拟合小数据集 162
8.8 超参数随机搜索 162
8.9 评估模型 165
8.10 程序组织结构 165
8.11 增加BN层 167
8.12 程序使用建议 171
第9章 卷积神经网络实例 172
9.1 程序结构设计 173
9.2 激活函数 173
9.3 正则化 174
9.4 优化方法 175
9.5 卷积网络的基本模块 176
9.6 训练方法 181
9.7 VGG网络结构 186
9.8 MNIST数据集 197
9.9 梯度检测 199
9.10 MNIST数据集的训练结果 202
9.11 程序使用建议 205
第10章 卷积网络结构的发展 206
10.1 全局平均池化层 206
10.2 去掉池化层 208
10.3 网络向更深更宽发展面临的困难 209
10.4 ResNet向更深发展的代表网络 210
10.5 GoogLeNet向更宽发展的代表网络 213
10.6 轻量网络 215
10.6.1 1×1深度维度卷积代码实现 217
10.6.2 3×3逐特征图的卷积代码实现 219
10.6.3 逆残差模块的代码实现 222
10.7 注意机制网络SENet 223
· · · · · · (
收起)
卷积神经网络的Python实现 在线电子书 pdf 下载 txt下载 epub 下载 mobi 在线电子书下载
卷积神经网络的Python实现 在线电子书 图书描述
卷积神经网络是深度学习最重要的模型之一,本书作为该领域的入门读物,假定读者的机器学习知识为零,并尽可能少地使用数学知识,从机器学习的概念讲起,以卷积神经网络的最新发展结束。本书首先简单介绍了机器学习的基本概念,详细讲解了线性模型、神经网络和卷积神经网络模型,然后介绍了基于梯度下降法的优化方法和梯度反向传播算法,接着介绍了训练网络前的准备工作、神经网络及卷积神经网络实战和卷积神经网络的发展。针对每个关键知识点,书中给出了基于 NumPy 的代码实现以及完整的神经网络和卷积神经网络代码实现,方便读者训练网络和查阅代码。本书既可以作为卷积神经网络的教材,也可以供对卷积神经网络感兴趣的工程技术人员和科研人员参考。
卷积神经网络的Python实现 在线电子书 下载 mobi epub pdf txt 在线电子书下载
卷积神经网络的Python实现 在线电子书 读后感
评分
☆☆☆☆☆
本文链接:https://blog.csdn.net/lkjx115107/article/details/90234799 为了参加图灵社区的阅读活动哈哈,赶在最后一天看完并写出了读后感,希望能拿到优惠券!!! 最近看了一些关于深度学习、神经网络的书籍,每本书的切入角度不尽相同。我主要通过这本书深入理解了卷积神经...
评分
☆☆☆☆☆
本文链接:https://blog.csdn.net/lkjx115107/article/details/90234799 为了参加图灵社区的阅读活动哈哈,赶在最后一天看完并写出了读后感,希望能拿到优惠券!!! 最近看了一些关于深度学习、神经网络的书籍,每本书的切入角度不尽相同。我主要通过这本书深入理解了卷积神经...
评分
☆☆☆☆☆
本文链接:https://blog.csdn.net/lkjx115107/article/details/90234799 为了参加图灵社区的阅读活动哈哈,赶在最后一天看完并写出了读后感,希望能拿到优惠券!!! 最近看了一些关于深度学习、神经网络的书籍,每本书的切入角度不尽相同。我主要通过这本书深入理解了卷积神经...
评分
☆☆☆☆☆
本文链接:https://blog.csdn.net/lkjx115107/article/details/90234799 为了参加图灵社区的阅读活动哈哈,赶在最后一天看完并写出了读后感,希望能拿到优惠券!!! 最近看了一些关于深度学习、神经网络的书籍,每本书的切入角度不尽相同。我主要通过这本书深入理解了卷积神经...
评分
☆☆☆☆☆
我是本书作者,关于第一楼说法。 有些地方讲的比较深偏数理,所以不太适合初学者。回复:本书明确说了本书适合不同读者,可以看不同的章节。何为初学者,难度初学者就不需具备任何知识,可以从零学好学深深度学习技术!注意本书不是科普书,公式是必要的,不通过简单公式是不可...
类似图书 点击查看全场最低价
卷积神经网络的Python实现 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024