基本信息 | 书名： | 深度学习技术应用/英特尔FPGA中国创新中心系列丛书 |
| 作者： | 胡心雷[等]编著 |
| 出版社： | 电子工业出版社 |
| 出版日期： | 2022-03-01 |
| 版次： | 1 |
| ISBN： | 9787121428517 |
| 市场价： | 68.0 |
目录 第1章 深度学习简介 001
1.1 深度学起源与发展 001
1.2 深度学定义 004
1.3 深度学优势 005
1.4 深度学应用 006
1.5 深度学主流框架 007
1.5.1 TensorFlow 007
1.5.2 Pytorch 008
1.5.3 Deeplearning4j(DL4J) 008
第2章 神经网络与深度学习 010
2.1 人脑神经网络 013
2.2 人工神经网络 015
2.2.1 感知器 017
2.2.2 单层神经网络 019
2.2.3 多层神经网络 027
2.2.4 激活函数 037
2.3 走向深度学习 039
第3章 TensorFlow环境使用 043
3.1 TensorFlow 简介 044
3.1.1 TensorFlow与Keras的关系 045
3.1.2 TensorFlow 1.x与2.x的区别 046
3.2 TensorFlow基础 049
3.2.1 张量 050
3.2.2 变量 064
3.2.3 计算图 066
3.3 基于TensorFlow的深度学习建模构建 070
3.3.1 建模目的 070
3.3.2 数据处理 071
3.3.3 模型搭建 080
3.3.4 模型编译 085
3.3.5 模型训练 091
3.3.6 模型验证 093
3.3.7 模型保存 096
3.3.8 小结 096
3.4 基于TensorFlow的手写数字识别 099
3.4.1 数据简介 099
3.4.2 数据处理 103
3.4.3 模型搭建 106
3.4.4 模型调优 108
3.4.5 结 114
第4章 卷积神经网络 115
4.1 什么是卷积神经网络 115
4.2 输入层 116
4.3 卷积层 117
4.3.1 填充 118
4.3.2 步幅 125
4.4 池化层 126
4.5 全连接层 127
4.6 Dropout 128
4.7 数据 129
4.8 典型卷积神经网络算法 132
4.8.1 LeNet-5网络 132
4.8.2 AlexNet 133
4.8.3 VGG16 134
4.9 卷积神经网络案例 136
4.9.1 数据简介 136
4.9.2 数据处理 136
4.9.3 模型搭建 138
4.9.4 结 140
第5章 循环神经网络 143
5.1 什么是循环神经网络 143
5.2 长短期记忆和门控循环单元 145
5.2.1 长短期记忆（LSTM） 145
5.2.2 门控循环单元（GRU） 149
5.3 双向循环神经网络 153
5.4 深度循环神经网络案例 154
5.4.1 准备操作 154
5.4.2 数据简介 154
5.4.3 数据处理 155
5.4.4 网络模型搭建 157
5.4.5 模型训练 159
5.4.6 小结 161
第6章 迁移学习 167
6.1 什么是迁移学习 167
6.2 迁移学工作原理 168
6.3 迁移学优势 169
6.4 迁移学方法 170
6.5 微调 171
6.6 利用迁移学习对花进行分类 171
6.6.1 准备操作 172
6.6.2 数据处理 173
6.6.3 网络模型搭建 173
6.6.4 模型训练 175
6.6.5 微调 175
6.6.6 小结 176
内容介绍 本书是深度学入门教材，从原理、模型、应用3个维度指导读者掌握深度学习技术及应用。本书共3个部分。第1部分为深度学基础括第1章和第2章，分别介绍了深度学基本概念及其和神经网络之间的关系；第2部分为深度学框架括第3章，介绍了深度学主流框架TensorFlow2.0的基本使用；第3部分是深度学不错主题，即第4章、第5章和第6章，分别讨论了卷积神经网络、循环神经网络及迁移学习。全书所讲解的案例均配有代码实现，并对代码进行了详细注解，读者通过对案例代码的学习和实践，可以深入了解全书讲解的内容。本书适合对人工智能、深度学习技术感兴趣的工程技术人员阅读，也适合人工智能、计算机科学技术相关专业的学生学习参考。
在线试读 
媒体评论 本书结合了近期新的深度学习技术应用成果，充分考虑了大学生的知识结构和学习特点，结合各个专业特点介绍了深度学基本概念及TensorFlow框架，以及深度学习在各个领域的具体应用。
本书结合了近期新的深度学习技术应用成果，充分考虑了大学生的知识结构和学习特点，结合各个专业特点介绍了深度学基本概念及TensorFlow框架，以及深度学习在各个领域的具体应用。
