简介
本书以PyTorch为基础,介绍机器学习的基础知识与常用方法,全面细致地提供了基本机器学习操作的原理和在PyTorch框架下的实现步骤。全书分为基础篇和实战篇,包括16章内容和两个附录,分别为深度学习简介、深度学习框架、机器学习基础知识、PyTorch深度学习基础、Logistic回归、神经网络基础、卷积神经网络与计算机视觉、神经网络与自然语言处理、搭建卷积神经网络进行图像分类、图像风格迁移、基于RNN的文本分类、基于CNN的视频行为识别、实现对抗性样本生成、实现基于LSTM 的情感分析、实现DCGAN、视觉问答、PyTorch环境搭建、深度学习的数学基础。本书将理论与实践紧密结合,相信能为读者提供有益的学习指导。 本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。
编辑推荐
本书在内容安排上十分精良，为便于数学基础较薄弱的读者学习，引入了深度学习数学基础；再由浅入深地以实战案例讲解的方式，对于误差反向传播法、卷积运算等进行详细剖析，使读者在实现层面上理解；此外还加入了前沿技术，如Batch Normalization等内容。本书提供了8个完整的项目案例、完整的构建过程、详细的视频讲解以及相应源代码，使读者能在实战案例中，深入完成深度学习的学习与掌握。
更多出版物信息
- 版权： 清华大学出版社
- 出版： 2021-04-01
- 更新： 2023-06-22
- 书号：9787302568209
- 中图：TP181
- 学科：工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术
