图书详情
¥69.8

深度学习技术与应用

作者：许桂秋 余洋 周宝玲 主编 于琦龙 张卓彤 姜元政 副主编

编辑：张晓芬

浏览：750

推荐：0

收藏：0

详情

内容介绍

本书旨在介绍人工智能中深度学习的基础知识，为即将进入深度学习领域进行研究的读者奠定基础。全书共13章，其中第1～4章为理论部分，第5～13章为应用部分。理论部分介绍了机器学习和深度学习的基本概念和应用，以及TensorFlow开发框架的搭建和使用。应用部分设置了多种图像识别及文字处理实战项目，并介绍了详细的实验步骤和代码，使读者逐步进行操作，或实现代码的优化和修改。 本书采用任务驱动的编写方式，做到了理论和实践相结合。每个实验提供配套的数据源文件和源代码文件，使读者可以直接感受实验效果，也可以调整相关参数，加深理解。 本书适合作为各大院校的人工智能通识课程教材，也可作为计算机相关专业的教材，还可作为人工智能相关培训的教材。本书亦可作为科普读物，供对人工智能技术感兴趣的人员学习和交流使用。

相关信息

图书名称：深度学习技术与应用
ISBN：978-7-115-61140-6
作者：许桂秋 余洋 周宝玲 主编 于琦龙 张卓彤 姜元政 副主编
编辑：张晓芬
从书名：人工智能技术与应用丛书
开本：16开
页数：224
印刷色数：单色
出版状态：已出版
出版日期：2023-07-01
作者简介：许桂秋 已出版《大数据导论》《Python编程基础与应用》《NoSQL数据库原理与应用》《数据挖掘与机器学习》等9本系列教材。

特别说明

深度学习，Python编程

本书卖点

1.本书旨在介绍人工智能中深度学习的基础知识，为即将进入深度学习领域进行研究的读者奠定基础。
2.本书采用任务驱动的编写方式，读者可以直接进行实验效果体验，并进行自由调整。
3.本书采用大量的实践案例，结合行业典型应用，编写行业实践。
4.本书提供丰富的教学资源，包括电子课件、习题解答、实验设计、指导书等。
5.本书提供实践所需的虚拟机以及其他配套工具软件。
6.逐步建设在线教学网站，教学资源上传网上，提供线上与线下同步学习。

目录

目 录
第 1 章 绪论 ............................................................................................................................... 1
1.1 人工智能 ..................................................................................................................... 2
1.1.1 人工智能简介 .................................................................................................. 2
1.1.2 人工智能三大学派 .......................................................................................... 3
1.2 机器学习 ..................................................................................................................... 3
1.2.1 机器学习简介 .................................................................................................. 3
1.2.2 机器学习分类 .................................................................................................. 4
1.3 浅层学习和深度学习 .................................................................................................. 6
1.3.1 浅层学习 .......................................................................................................... 6
1.3.2 深度学习 .......................................................................................................... 6
1.4 本章小结 ..................................................................................................................... 7
第 2 章 深度学习基础 ............................................................................................................... 9
2.1 深层神经网络简介 .................................................................................................... 10
2.1.1 神经元模型 .................................................................................................... 10
2.1.2 单层神经网络 ................................................................................................ 11
2.1.3 深层神经网络 ................................................................................................ 12
2.1.4 深层神经网络节点 ........................................................................................ 12
2.1.5 深层神经网络参数 ........................................................................................ 13
2.1.6 节点输出值的计算方式 ................................................................................ 13
2.2 机器学习模型的评估方法 ........................................................................................ 14
2.3 深层神经网络的训练与优化 .................................................................................... 16
2.3.1 深层神经网络的训练 .................................................................................... 16
2.3.2 深层神经网络的优化 .................................................................................... 21
2.4 本章小结 .................................................................................................................... 23
第 3 章 搭建深度学习框架 ..................................................................................................... 25
3.1 常见的深度学习框架 ................................................................................................ 26
3.1.1 TensorFlow ..................................................................................................... 26
3.1.2 Caffe ............................................................................................................... 27
3.1.3 Keras ............................................................................................................... 28
3.1.4 Torch ............................................................................................................... 28
3.1.5 MXNet ............................................................................................................ 28
3.1.6 CNTK ............................................................................................................. 29
3.2 安装 TensorFlow ........................................................................................................ 29
3.2.1 安装准备 ........................................................................................................ 30
3.2.2 在 Python 环境中安装 TensorFlow ............................................................... 35
3.2.3 TensorFlow 的使用 ........................................................................................ 36
3.3 TensorFlow Playground ............................................................................................. 37
3.3.1 菜单选项 ........................................................................................................ 38
3.3.2 DATA 区域 ..................................................................................................... 39
3.3.3 FEATURES 区域 ............................................................................................ 40
3.3.4 HIDDEN LAYERS 区域 ................................................................................ 40
3.3.5 OUTPUT 区域 ................................................................................................ 41
3.4 Keras 的核心组件 ..................................................................................................... 43
3.4.1 Models API ..................................................................................................... 45
3.4.2 Layers API ...................................................................................................... 45
3.4.3 Callbacks API ................................................................................................. 47
3.4.4 Data preprocessing .......................................................................................... 47
3.4.5 Metrics ............................................................................................................ 50
3.5 使用 TensorFlow 实现神经网络 ............................................................................... 51
3.6 本章小结 .................................................................................................................... 58
第 4 章 TensorFlow 编程基础 ............................................................................................... 59
4.1 计算图与张量 ........................................................................................................... 60
4.1.1 初识计算图与张量 ........................................................................................ 60
4.1.2 TensorFlow 的计算模型——计算图 ............................................................ 60
4.1.3 TensorFlow 的数据模型——张量 ................................................................ 63
4.2 TensorFlow 的运行模型——会话 ............................................................................ 65
4.2.1 TensorFlow 系统结构 .................................................................................... 65
4.2.2 会话的使用 .................................................................................................... 67
4.2.3 会话的配置 .................................................................................................... 68
4.2.4 占位符的使用 ................................................................................................ 69
4.3 TensorFlow 变量 ....................................................................................................... 70
4.3.1 变量的创建 .................................................................................................... 70
4.3.2 变量与张量 .................................................................................................... 73
4.3.3 管理变量空间 ................................................................................................ 75
4.4 识别图像中模糊的手写数字 .................................................................................... 79
4.5 本章小结 ................................................................................................................... 85
第 5 章 使用 Keras 搭建多层感知机识别 MNIST 数据集 .....................................87
5.1 构建项目 ................................................................................................................... 88
5.2 下载和预处理 MNIST 数据集 ................................................................................. 88
5.2.1 下载数据集 .................................................................................................... 88
5.2.2 预处理数据集 ................................................................................................ 89
5.3 搭建并训练多层感知机 ............................................................................................ 94
5.3.1 搭建模型 ........................................................................................................ 94
5.3.2 训练模型 ........................................................................................................ 95
5.4 改进模型 ................................................................................................................... 98
5.4.1 搭建模型 ........................................................................................................ 98
5.4.2 训练模型 ........................................................................................................ 99
5.5 评估训练结果 ......................................................................................................... 101
5.5.1 评估模型准确率 .......................................................................................... 101
5.5.2 使用模型进行预测 ...................................................................................... 102
5.5.3 建立混淆矩阵 .............................................................................................. 103
5.6 本章小结 .................................................................................................................. 105
第 6 章 优化多层感知机 ....................................................................................................... 107
6.1 构建项目 .................................................................................................................. 108
6.2 搭建带有隐藏层的模型 .......................................................................................... 108
6.3 误差与过拟合问题 ...................

申请样书

 在线试读 立即购买
1 2