-
内容大纲
本书由百度官方出品,百度首席技术官王海峰博士作序,张钹院士、李未院士、百度集团副总裁吴甜联袂推荐。
本书遵循“内容全面、由浅入深、注重实践”的原则,基于飞桨PaddlePaddle深度学习平台,较为全面地覆盖了学习深度学习技术所必须具备的基础知识以及深度学习主要核心技术,包括相关的数学基础、Python编程基础、机器学习基础以及正向/反向传播算法、卷积神经网络、循环神经网络等,尽量做到读懂一本书即可达到“零基础”到“全精通”。
在章节安排上,考虑读者的特点和认知规律,在知识架构和案例穿插的设计上确保循序渐进、由浅入深。同时,本书提供了大量的深度学习实战案例,覆盖了当前计算机视觉、自然语言处理、个性化推荐等领域主流应用典型的算法,每章都单独配以飞桨代码实现,详细解析实操过程,手把手引导读者开展实践练习,深入掌握相关知识。
本书提供配套代码合集,可扫描如下二维码获取相关内容。 -
作者介绍
-
目录
序
前言
第一部分 数学与编程基础篇
第1章 数学基础与Python库
1.1 Python是进行人工智能编程的主要语言
1.2 数学基础
1.2.1 线性代数基础
1.2.2 微积分基础
1.3 Python库的操作
1.3.1 NumPy操作
1.3.2 Matplotlib操作
1.4 本章小结
第2章 深度学习概论与飞桨入门
2.1 人工智能、机器学习和深度学习
2.1.1 人工智能
2.1.2 机器学习
2.1.3 深度学习
2.2 深度学习的发展历程
2.2.1 神经网络的第一次高潮
2.2.2 神经网络的第一次寒冬
2.2.3 神经网络的第二次高潮
2.2.4 神经网络的第二次寒冬
2.2.5 深度学习的来临
2.2.6 深度学习崛起的时代背景
2.3 深度学习的应用场景
2.3.1 图像与视觉
2.3.2 语音识别
2.3.3 自然语言处理
2.3.4 个性化推荐
2.4 常见的深度学习网络结构
2.4.1 全连接网络结构
2.4.2 卷积神经网络
2.4.3 循环神经网络
2.5 机器学习回顾
2.5.1 线性回归的基本概念
2.5.2 数据处理
2.5.3 模型概览
2.5.4 效果展示
2.6 深度学习框架简介
2.6.1 深度学习框架的优势
2.6.2 常见的深度学习框架
2.6.3 飞桨简介
2.6.4 飞桨安装
2.6.5 AI Studio
2.7 飞桨实现
2.8 飞桨服务平台和工具组件
2.8.1 PaddleHub
2.8.2 X2Paddle
2.8.3 PARL
2.8.4 EasyDL
2.9 本章小结
第二部分 深度学习基础篇
第3章 深度学习的单层网络
3.1 Logistic回归模型
3.1.1 Logistic回归概述
3.1.2 损失函数
3.1.3 Logistic回归的梯度下降
3.2 实现Logistic回归模型
3.2.1 NumPy版本
3.2.2 飞桨版本
3.3 本章小结
第4章 浅层神经网络
4.1 神经网络
4.1.1 神经网络的定义及其结构
4.1.2 神经网络的计算
4.2 BP算法
4.2.1 逻辑回归与BP算法
4.2.2 单样本双层神经网络的BP算法
4.2.3 多样本神经网络的BP算法
4.3 BP算法实践
4.3.1 NumPy版本
4.3.2 飞桨版本
4.4 本章小结
第5章 深层神经网络
5.1 深层网络介绍
5.1.1 深度影响算法能力
5.1.2 网络演化过程与常用符号
5.2 传播过程
5.2.1 神经网络算法核心思想
5.2.2 深层网络正向传播过程
5.2.3 深层网络反向传播过程
5.2.4 传播过程总结
5.3 网络的参数
5.4 代码实现
5.4.1 NumPy版本
5.4.2 飞桨版本
5.5 本章小结
第6章 卷积神经网络
6.1 图像分类问题描述
6.2 卷积神经网络介绍
6.2.1 卷积层
6.2.2 ReLU激活函数
6.2.3 池化层
6.2.4 Softmax分类层
6.2.5 主要特点
6.2.6 经典神经网络架构
6.3 飞桨实现
6.3.1 数据介绍
6.3.2 模型概览
6.3.3 配置说明
6.4 本章小结
第7章 循环神经网络
7.1 任务描述
7.2 循环神经网络介绍
7.2.1 长短期记忆网络
7.2.2 门控循环单元
7.2.3 双向循环神经网络
7.2.4 卷积循环神经网络
7.3 利用飞桨实现机器翻译
7.3.1 数据准备
7.3.2 柱搜索
7.3.3 模型配置
7.3.4 模型训练
7.3.5 加载训练模型进行预测
7.4 本章小结
第8章 注意力机制
8.1 任务描述
8.2 注意力机制介绍
8.2.1 Transformer
8.2.2 Non-local神经网络
8.2.3 AttentionCluster神经网络
8.3 利用飞桨实现视频分类
8.3.1 Non-local神经网络
8.3.2 AttentionCluster
8.4 本章小结
第9章 算法优化
9.1 基础知识
9.1.1 训练、验证和测试集
9.1.2 偏差和方差
9.2 评估
9.2.1 选定评估目标
9.2.2 迭代过程
9.2.3 欠拟合和过拟合
9.3 调优策略
9.3.1 降低偏差
9.3.2 降低方差
9.4 超参数调优
9.4.1 随机搜索和网格搜索
9.4.2 超参数范围
9.4.3 分阶段搜索
9.4.4 例子:对学习率的调整
9.5 本章小结
第三部分 飞桨实践篇
第10章 目标检测
10.1 任务描述
10.2 常见模型解析
10.2.1 R-CNN系列
10.2.2 YOLO
10.2.3 SSD
10.3 PaddleDetection应用实践
10.3.1 Faster-R-CNN
10.3.2 YOLOv
10.4 本章小结
第11章 图像生成
11.1 任务描述
11.1.1 图像生成
11.1.2 图像-图像转换
11.1.3 文本-图像转换
11.2 模型概览
11.2.1 图像生成
11.2.2 图像-图像
11.2.3 文本-图像
11.3 PaddleGAN应用实践
11.3.1 数据准备
11.3.2 参数设置
11.3.3 网络结构定义
11.3.4 模型训练
11.3.5 模型测试
11.4 本章小结
第12章 情感分析
12.1 任务描述
12.2 算法原理解析
12.2.1 BOW
12.2.2 DB-LSTM
12.3 情感分析应用实践
12.3.1 数据集下载
12.3.2 配置模型
12.3.3 训练模型
12.4 本章小结
第13章 机器翻译
13.1 任务描述
13.2 算法原理解析
13.2.1 Seq2Seq
13.2.2 Transformer
13.3 机器翻译应用实践
13.3.1 数据准备
13.3.2 模型配置
13.3.3 模型训练
13.3.4 模型测试
13.3.5 模型评估
13.4 本章小结
第14章 语义表示
14.1 任务描述
14.2 常见模型解析
14.2.1 ELMo
14.2.2 ERNIE
14.3 ERNIE应用实践
14.3.1 数据准备
14.3.2 模型配置
14.3.3 模型训练
14.3.4 模型评估
14.4 本章小结
第15章 个性化推荐
15.1 问题描述
15.2 传统推荐方法
15.2.1 基于内容的推荐
15.2.2 协同过滤推荐
15.2.3 混合推荐
15.3 深度学习推荐方法
15.3.1 YouTube的深度神经网络推荐系统
15.3.2 融合推荐系统
15.4 个性化推荐系统在飞桨上的实现
15.4.1 数据准备
15.4.2 模型设计
15.4.3 模型训练
15.4.4 保存特征
15.4.5 模型测试
15.5 本章小结
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔,龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年,恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...