-
收藏
-
加书架
-
引用
简介
本书介绍了深度学习的基本理论、工程实践及其在产业界的部署和应用。在深度学习框架的介绍中，书中结合代码详细讲解了经典的卷积神经网络、循环神经网络和基于自注意力机制的Transformer网络及其变体。还介绍了这些模型在图像分类、目标检测、语义分割、欺诈检测和语音识别等领域的应用。此外，书中还涵盖了深度强化学习和生成对抗网络的前沿进展。在系统工程和产业实践方面，书中解释了如何使用分布式系统训练和部署模型以处理大规模数据。本书系统介绍了构建深度学习推理系统的过程，并结合代码讲解了分布式深度学习推理系统需要考虑的工程化因素，例如分布式问题和消息队列，以及从工程化角度出发的解决方法。本书提供了每个经典模型和应用实例的TensorFlow和PyTorch版本代码，为深度学习初学者和算法开发者提供理论学习、代码实践和工程落地的指导与帮助。 本书既适合计算机、自动化、电子、通信、数学、物理等相关专业背景的研究生和高年级本科生，也适合那些希望从事或准备转向人工智能领域的专业技术人员。
编辑推荐
全面系统讲解神经网络、卷积神经网络、循环神经网络、Transformer等经典深度学习架构，同步配套TensorFlow与PyTorch代码。 从理论到实战，突出系统工程在深度学习中的应用，手把手教你搭建深度学习系统。 无论是AlphaGo、生成对抗网络，还是深度学习推理系统DeepGo，总有一项深度学习前沿技术让你兴奋不已。
更多出版物信息
- 版权： 清华大学出版社
- 出版： 2024-04-01
- 更新： 2025-06-09
- 书号：9787302657491
- 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
