飛槳PaddlePaddle深度學(xué)習(xí)實(shí)戰(zhàn)

定　價(jià)：￥99.00

作　者：	劉祥龍，楊晴虹，胡曉光，周湘陽著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	智能系統(tǒng)與技術(shù)叢書
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥76.90)

ISBN：	9787111662365	出版時(shí)間：	2020-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	392	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書由百度官方出品，百度公司CTO王海峰博士作序，張鈸院士、李未院士、百度集團(tuán)副總裁吳甜聯(lián)袂推薦。本書遵循“內(nèi)容全面、由淺入深、注重實(shí)踐”的原則，基于飛槳PaddlePaddle深度學(xué)習(xí)平臺(tái)，較為全面地覆蓋了學(xué)習(xí)深度學(xué)習(xí)技術(shù)所必須具備的基礎(chǔ)知識(shí)以及深度學(xué)習(xí)主要核心技術(shù)，包括相關(guān)的數(shù)學(xué)基礎(chǔ)、Python編程基礎(chǔ)、機(jī)器學(xué)習(xí)基礎(chǔ)以及正向/反向傳播算法、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等，盡量做到讀懂一本書即可達(dá)到“零基礎(chǔ)”到“全精通”。在章節(jié)安排上，考慮讀者的特點(diǎn)和認(rèn)知規(guī)律，在知識(shí)架構(gòu)和案例穿插的設(shè)計(jì)上確保循序漸進(jìn)、由淺入深。同時(shí)，本書提供了大量的深度學(xué)習(xí)實(shí)戰(zhàn)案例，覆蓋了當(dāng)前計(jì)算機(jī)視覺、自然語言處理、個(gè)性化推薦等領(lǐng)域主流應(yīng)用典型的算法，每章都單獨(dú)配以飛槳代碼實(shí)現(xiàn)，詳細(xì)解析實(shí)操過程，手把手引導(dǎo)讀者開展實(shí)踐練習(xí)、深入掌握相關(guān)知識(shí)。本書提供配套代碼合集，詳情請(qǐng)?jiān)L問https：//aistudiobaiducom/aistudio/projectdetail/518424。

作者簡(jiǎn)介

　　作者簡(jiǎn)介劉祥龍副教授，博士生導(dǎo)師，現(xiàn)任職于北京航空航天大學(xué)軟件開發(fā)環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室，主要研究大數(shù)據(jù)檢索、大規(guī)模視覺分析、可信賴深度學(xué)習(xí)等。近年來，主持國(guó)家自然科學(xué)基金、國(guó)防科技創(chuàng)新重點(diǎn)項(xiàng)目、科技創(chuàng)新2030人工智能重大項(xiàng)目等多項(xiàng)國(guó)家課題；發(fā)表人工智能領(lǐng)域國(guó)際會(huì)議及期刊論文60余篇。Pattern Recognition等多個(gè)國(guó)際SCI期刊編委/客座編輯以及ACM MM 2019/2020等國(guó)際會(huì)議領(lǐng)域主席/高級(jí)程序委員等，國(guó)家新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟啟智開源開放平臺(tái)技術(shù)委員會(huì)委員。曾作為主要執(zhí)筆人參與國(guó)家新一代人工智能實(shí)施建議、AI 20 國(guó)家戰(zhàn)略研究發(fā)展報(bào)告的撰寫。獲陜西省自然科學(xué)一等獎(jiǎng)、北京市科技新星、中國(guó)計(jì)算機(jī)學(xué)會(huì)博士學(xué)位論文、中國(guó)計(jì)算機(jī)學(xué)會(huì)首屆青年人才發(fā)展計(jì)劃等獎(jiǎng)勵(lì)和榮譽(yù)。？楊晴虹博士，中科院系列高級(jí)工程師，北航軟件學(xué)院人工智能專業(yè)主講教師，美國(guó)南康涅狄格州立大學(xué)圖書信息科學(xué)訪問學(xué)者，美國(guó)耶魯大學(xué)技術(shù)創(chuàng)新實(shí)驗(yàn)室數(shù)據(jù)分析專家。發(fā)表國(guó)際論文幾十篇，主要研究領(lǐng)域有機(jī)器學(xué)習(xí)、知識(shí)挖掘、大數(shù)據(jù)分析、項(xiàng)目管理和科研管理等。在機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等領(lǐng)域有豐富的實(shí)踐經(jīng)驗(yàn)，曾主導(dǎo)和參與多個(gè)相關(guān)的項(xiàng)目并取得成功。？胡曉光百度杰出研發(fā)架構(gòu)師，10余年自然語言處理研發(fā)經(jīng)驗(yàn)，參與的機(jī)器翻譯項(xiàng)目獲得國(guó)家科技進(jìn)步二等獎(jiǎng)，現(xiàn)負(fù)責(zé)飛槳核心訓(xùn)練框架和模型算法的研發(fā)，致力于打造*好用的深度學(xué)習(xí)平臺(tái)。？于佃海百度深度學(xué)習(xí)平臺(tái)飛槳（PaddlePaddle）總架構(gòu)師。2008年從北京大學(xué)畢業(yè)加入百度，長(zhǎng)期從事機(jī)器學(xué)習(xí)、自然語言處理相關(guān)的技術(shù)研發(fā)和平臺(tái)建設(shè)工作，在國(guó)際學(xué)術(shù)會(huì)議發(fā)表論文十余篇，作為骨干成員參與了國(guó)家973計(jì)劃、國(guó)家重點(diǎn)研發(fā)計(jì)劃、科技創(chuàng)新2030等國(guó)家科技計(jì)劃的多個(gè)項(xiàng)目，曾獲中國(guó)電子學(xué)會(huì)科技進(jìn)步一等獎(jiǎng)、2019年CCF杰出工程師獎(jiǎng)。？白浩杰北航、大連理工特聘講師，百度認(rèn)證深度學(xué)習(xí)布道師，美國(guó)佛羅里達(dá)國(guó)際大學(xué)高性能數(shù)據(jù)實(shí)驗(yàn)室訪問學(xué)者，致力于移動(dòng)對(duì)象數(shù)據(jù)庫(kù)、數(shù)據(jù)可視化、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方向的研究。鷗若教育人工智能主講教師，具有豐富的PaddlePaddle深度學(xué)習(xí)授課和實(shí)驗(yàn)設(shè)計(jì)經(jīng)驗(yàn)。

圖書目錄

序
前言
第一部分　數(shù)學(xué)與編程基礎(chǔ)篇
第1章　數(shù)學(xué)基礎(chǔ)與Python庫(kù)2
11　Python是進(jìn)行人工智能編程的主要語言2
12　數(shù)學(xué)基礎(chǔ)3
121　線性代數(shù)基礎(chǔ)3
122　微積分基礎(chǔ)7
13　Python庫(kù)的操作14
131　NumPy操作14
132　Matplotlib操作19
14　本章小結(jié)23
第2章　深度學(xué)習(xí)概論與飛槳入門24
21　人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)25
211　人工智能25
212　機(jī)器學(xué)習(xí)26
213　深度學(xué)習(xí)26
22　深度學(xué)習(xí)的發(fā)展歷程27
221　神經(jīng)網(wǎng)絡(luò)的第一次高潮27
222　神經(jīng)網(wǎng)絡(luò)的第一次寒冬28
223　神經(jīng)網(wǎng)絡(luò)的第二次高潮30
224　神經(jīng)網(wǎng)絡(luò)的第二次寒冬30
225　深度學(xué)習(xí)的來臨31
226　深度學(xué)習(xí)崛起的時(shí)代背景31
23　深度學(xué)習(xí)的應(yīng)用場(chǎng)景31
231　圖像與視覺32
232　語音識(shí)別32
233　自然語言處理33
234　個(gè)性化推薦33
24　常見的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)34
241　全連接網(wǎng)絡(luò)結(jié)構(gòu)34
242　卷積神經(jīng)網(wǎng)絡(luò)34
243　循環(huán)神經(jīng)網(wǎng)絡(luò)35
25　機(jī)器學(xué)習(xí)回顧35
251　線性回歸的基本概念36
252　數(shù)據(jù)處理37
253　模型概覽38
254　效果展示39
26　深度學(xué)習(xí)框架簡(jiǎn)介40
261　深度學(xué)習(xí)框架的優(yōu)勢(shì)40
262　常見的深度學(xué)習(xí)框架41
263　飛槳簡(jiǎn)介42
264　飛槳安裝42
265　AI Studio43
27　飛槳實(shí)現(xiàn)44
28　飛槳服務(wù)平臺(tái)和工具組件51
281　PaddleHub51
282　X2Paddle54
283　PARL56
284　EasyDL61
29　本章小結(jié)62
第二部分　深度學(xué)習(xí)基礎(chǔ)篇
第3章　深度學(xué)習(xí)的單層網(wǎng)絡(luò)64
31　Logistic回歸模型64
311　Logistic回歸概述64
312　損失函數(shù)66
313　Logistic回歸的梯度下降68
32　實(shí)現(xiàn)Logistic回歸模型72
321　NumPy版本73
322　飛槳版本80
33　本章小結(jié)88
第4章　淺層神經(jīng)網(wǎng)絡(luò)89
41　神經(jīng)網(wǎng)絡(luò)89
411　神經(jīng)網(wǎng)絡(luò)的定義及其結(jié)構(gòu)89
412　神經(jīng)網(wǎng)絡(luò)的計(jì)算91
42　BP算法96
421　邏輯回歸與BP算法96
422　單樣本雙層神經(jīng)網(wǎng)絡(luò)的BP算法97
423　多樣本神經(jīng)網(wǎng)絡(luò)的BP算法100
43　BP算法實(shí)踐103
431　NumPy版本103
432　飛槳版本110
44　本章小結(jié)114
第5章　深層神經(jīng)網(wǎng)絡(luò)116
51　深層網(wǎng)絡(luò)介紹116
511　深度影響算法能力116
512　網(wǎng)絡(luò)演化過程與常用符號(hào)118
52　傳播過程120
521　神經(jīng)網(wǎng)絡(luò)算法核心思想120
522　深層網(wǎng)絡(luò)正向傳播過程120
523　深層網(wǎng)絡(luò)反向傳播過程121
524　傳播過程總結(jié)122
53　網(wǎng)絡(luò)的參數(shù)124
54　代碼實(shí)現(xiàn)125
541　NumPy版本125
542　飛槳版本128
55　本章小結(jié)130
第6章　卷積神經(jīng)網(wǎng)絡(luò)131
61　圖像分類問題描述131
62　卷積神經(jīng)網(wǎng)絡(luò)介紹132
621　卷積層132
622　ReLU激活函數(shù)136
623　池化層137
624　Softmax分類層138
625　主要特點(diǎn)139
626　經(jīng)典神經(jīng)網(wǎng)絡(luò)架構(gòu)140
63　飛槳實(shí)現(xiàn)145
631　數(shù)據(jù)介紹145
632　模型概覽146
633　配置說明146
64　本章小結(jié)153
第7章　循環(huán)神經(jīng)網(wǎng)絡(luò)154
71　任務(wù)描述154
72　循環(huán)神經(jīng)網(wǎng)絡(luò)介紹155
721　長(zhǎng)短期記憶網(wǎng)絡(luò)156
722　門控循環(huán)單元157
723　雙向循環(huán)神經(jīng)網(wǎng)絡(luò)158
724　卷積循環(huán)神經(jīng)網(wǎng)絡(luò)159
73　利用飛槳實(shí)現(xiàn)機(jī)器翻譯159
731　數(shù)據(jù)準(zhǔn)備159
732　柱搜索 163
733　模型配置167
734　模型訓(xùn)練168
735　加載訓(xùn)練模型進(jìn)行預(yù)測(cè)169
74　本章小結(jié)170
第8章　注意力機(jī)制171
81　任務(wù)描述171
82　注意力機(jī)制介紹172
821　Transformer172
822　Non-local神經(jīng)網(wǎng)絡(luò)175
823　Attention Cluster神經(jīng)網(wǎng)絡(luò)176
83　利用飛槳實(shí)現(xiàn)視頻分類177
831　Non-local神經(jīng)網(wǎng)絡(luò)177
832　Attention Cluster183
84　本章小結(jié)195
第9章　算法優(yōu)化196
91　基礎(chǔ)知識(shí)196
911　訓(xùn)練、驗(yàn)證和測(cè)試集196
912　偏差和方差197
92　評(píng)估198
921　選定評(píng)估目標(biāo)198
922　迭代過程199
923　欠擬合和過擬合199
93　調(diào)優(yōu)策略199
931　降低偏差199
932　降低方差204
94　超參數(shù)調(diào)優(yōu)209
941　隨機(jī)搜索和網(wǎng)格搜索209
942　超參數(shù)范圍209
943　分階段搜索210
944　例子：對(duì)學(xué)習(xí)率的調(diào)整210
95　本章小結(jié)212
第三部分　飛槳實(shí)踐篇
第10章　目標(biāo)檢測(cè)214
101　任務(wù)描述214
102　常見模型解析217
1021　R-CNN系列217
1022　YOLO223
1023　SSD228
103　PaddleDetection應(yīng)用實(shí)踐231
1031　Faster-R-CNN231
1032　YOLOv3234
104　本章小結(jié)237
第11章　圖像生成238
111　任務(wù)描述238
1111　圖像生成238
1112　圖像–圖像轉(zhuǎn)換239
1113　文本–圖像轉(zhuǎn)換239
112　模型概覽240
1121　圖像生成240
1122　圖像–圖像241
1123　文本–圖像246
113　PaddleGAN應(yīng)用實(shí)踐248
1131　數(shù)據(jù)準(zhǔn)備248
1132　參數(shù)設(shè)置248
1133　網(wǎng)絡(luò)結(jié)構(gòu)定義249
1134　模型訓(xùn)練253
1135　模型測(cè)試 256
114　本章小結(jié)257
第12章　情感分析258
121　任務(wù)描述258
122　算法原理解析259
1221　BOW259
1222　DB-LSTM259
123　情感分析應(yīng)用實(shí)踐261
1231　數(shù)據(jù)集下載261
1232　配置模