[
-
内容大纲
本书基于开源深度学习框架PyTorch编写，既有深度学习必备的理论知识，又有深度学习所需的实践项目，利于编程基础能力的培养。本书内容包括深度学习的基本原理和常用算法、深度学习框架PyTorch的环境搭建及基础编程方法、使用PyTorch实现手势识别、CNN图像分类、数据处理、国际航空乘客预测等项目，以及张量的应用、手写数字体识别、面部表情识别等拓展案例。本书每个单元都配备知识点微课，“任务实施”结合实践应用有序排列学习任务，符合人才成长的特点和教学规律，突出培养学生的专业数字化素养，实现理论与实践的统一。
本书通俗易懂、理论结合实践，适合作为高职院校计算机类专业的理论与实践一体化教材，也可作为人工智能技术人才的岗前培训教材。 -
作者介绍
-
目录
前言
单元1 从机器学习到深度学习
1.1 学习情境描述
1.2 任务陈述
1.3 知识准备
1.3.1 人工智能、机器学习和深度学习的关系
1.3.2 神经元和感知器
1.3.3 神经网络架构
1.3.4 深度学习的应用领域
1.4 任务实施：深度学习体系梳理
1.4.1 任务书
1.4.2 任务分组
1.4.3 获取信息
1.4.4 工作实施
1.4.5 评价与反馈
1.5 拓展案例：深度学习在推荐系统中的应用
1.5.1 问题描述
1.5.2 基础理论
1.5.3 实际应用
1.5.4 案例总结
1.6 单元练习
单元2 深度学习基础知识
2.1 学习情境描述
2.2 任务陈述
2.3 知识准备
2.3.1 模型拟合
2.3.2 损失函数和代价函数
2.3.3 最优化算法
2.4 任务实施：常用代价函数实验
2.4.1 任务书
2.4.2 任务分组
2.4.3 获取信息
2.4.4 工作实施
2.4.5 评价与反馈
2.5 任务实施：梯度下降实验
2.5.1 任务书
2.5.2 任务分组
2.5.3 获取信息
2.5.4 工作实施
2.5.5 评价与反馈
2.6 拓展案例：PyTorch简单模型构建
2.6.1 问题描述
2.6.2 基础理论
2.6.3 解决步骤
2.6.4 案例总结
2.7 单元练习
单元3 PyTorch深度学习框架
3.1 学习情境描述
3.2 任务陈述
3.3 知识准备
3.3.1 深度学习框架
3.3.2 PyTorch环境搭建
3.3.3 PyTorch的基本使用
3.4 任务实施：PyTorch环境的搭建和基本使用
3.4.1 任务书
3.4.2 任务分组
3.4.3 获取信息
3.4.4 工作实施
3.4.5 评价与反馈
3.5 拓展案例：张量的应用
3.5.1 问题描述
3.5.2 思路描述
3.5.3 解决步骤
3.5.4 案例总结
3.6 单元练习
单元4 PyTorch编程基础
4.1 学习情境描述
4.2 任务陈述
4.3 知识准备
4.3.1 张量的概念及应用
4.3.2 神经网络
4.4 任务实施：PyTorch常见操作及函数的使用
4.4.1 任务书
4.4.2 任务分组
4.4.3 获取信息
4.4.4 工作实施
4.4.5 评价与反馈
4.5 任务实施：PyTorch神经网络的搭建
4.5.1 任务书
4.5.2 任务分组
4.5.3 获取信息
4.5.4 工作实施
4.5.5 评价与反馈
4.6 拓展案例：手写数字体识别
4.6.1 问题描述
4.6.2 思路描述
4.6.3 解决步骤
4.6.4 案例总结
4.7 单元练习
单元5 用PyTorch实现深度网络
5.1 学习情境描述
5.2 任务陈述
5.3 知识准备
5.3.1 使用PyTorch实现深度学习模型的基本流程
5.3.2 数据集的预处理
5.3.3 模型定义
5.3.4 模型的优化与评估
5.4 任务实施：手势识别
5.4.1 任务书
5.4.2 任务分组
5.4.3 获取信息
5.4.4 工作实施
5.4.5 评价与反馈
5.5 拓展案例：书法字体识别
5.5.1 问题描述
5.5.2 实际应用
5.5.3 解决步骤
5.5.4 案例总结
5.6 单元练习
单元6 基于CNN的服装图像分类
6.1 学习情境描述
6.2 任务陈述
6.3 知识准备
6.3.1 CNN概述
6.3.2 基于CNN的图像分类
6.4 任务实施：CNN的Fashion MINIST分类实战
6.4.1 任务书
6.4.2 任务分组
6.4.3 获取信息
6.4.4 工作实施
6.4.5 评价与反馈
6.5 拓展案例：基于卷积神经网络的面部表情识别
6.5.1 问题描述
6.5.2 基础理论
6.5.3 解决步骤
6.5.4 案例总结
6.6 单元练习
单元7 图像数据处理
7.1 学习情境描述
7.2 任务陈述
7.3 知识准备
7.3.1 数字图像的概念和图像处理方法
7.3.2 图像编/解码、标准化处理和添加标注框
7.4 任务实施：图像数据处理
7.4.1 任务书
7.4.2 任务分组
7.4.3 获取信息
7.4.4 工作实施
7.4.5 评价与反馈
7.5 拓展案例：基于神经网络的图像风格迁移
7.5.1 问题描述
7.5.2 基础理论
7.5.3 解决步骤
7.5.4 案例总结
7.6 单元练习
单元8 基于LSTM的数据预测
8.1 学习情境描述
8.2 任务陈述
8.3 知识准备
8.3.1 数据预测概述
8.3.2 时间序列预测方法
8.3.3 LSTM神经网络
8.4 任务实施：国际航空乘客预测
8.4.1 任务书
8.4.2 任务分组
8.4.3 获取信息
8.4.4 工作实施
8.4.5 评价与反馈
8.5 拓展案例：使用PyTorch进行LSTM时间序列预测
8.5.1 问题描述
8.5.2 思路描述
8.5.3 解决步骤
8.5.4 案例总结
8.6 单元练习
单元9 基于AlexNet的图像分类
9.1 学习情境描述
9.2 任务陈述
9.3 知识准备
9.3.1 AlexNet神经网络
9.3.2 基于AlexNet的图像分类概述
9.4 任务实施：基于AlexNet的CIFAR-100分类实战
9.4.1 任务书
9.4.2 任务分组
9.4.3 获取信息
9.4.4 工作实施
9.4.5 评价与反馈
9.5 拓展案例：基于深度学习和迁移学习的遥感图像场景分类实战
9.5.1 问题描述
9.5.2 思路描述
9.5.3 解决步骤
9.5.4 案例总结
9.6 单元练习
单元10 基于ResNet的行人重识别
10.1 学习情境描述
10.2 任务陈述
10.3 知识准备
10.3.1 ResNet概述
10.3.2 行人重识别
10.4 任务实施：基于ResNet的行人重识别实战
10.4.1 任务书
10.4.2 任务分组
10.4.3 获取信息
10.4.4 工作实施
10.4.5 评价与反馈
10.5 拓展案例：基于骨架提取和人体关键点估计的行为识别
10.5.1 问题描述
10.5.2 思路描述
10.5.3 解决步骤
10.5.4 案例总结
10.6 单元练习
参考文献
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...