内容简介
本书集合了基于应用领域的高级深度学习的模型、方法和实现。本书分为四部分。第1部分介绍了深度学习的构建和神经网络背后的数学知识。第二部分讨论深度学习在计算机视觉领域的应用。第三部分阐述了自然语言和序列处理。讲解了使用神经网络提取复杂的单词向量表示。讨论了各种类型的循环网络，如长短期记忆网络和门控循环单元网络。第四部分介绍一些虽然还没有被广泛采用但有前途的深度学习技术，包括如何在自动驾驶上应用深度学习。学完本书，读者将掌握与深度学习相关的关键概念，学会如何使用TensorFlow和PyTorch实现相应的AI解决方案。
AI简介
这是一本集合了基于应用领域的高级深度学习的模型、方法和实现的著作。该书以深度学习在计算机视觉、自然语言和序列处理等领域的应用为核心，深入探讨了深度学习的核心概念，包括神经网络的具体细节、计算机视觉、自然语言和序列处理以及展望未来等部分。
在第一部分 核心概念中，作者详细阐述了神经网络基础原理总结，包括神经网络的数学基础、架构和训练过程。神经网络是一种由多个神经元组成的计算模型，每个神经元接收输入信号，通过激活函数处理后产生输出信号。神经网络的训练过程包括最小化代价函数，这个函数用于衡量模型预测与实际值之间的差距。训练过程中常用的优化方法是梯度下降，通过不断调整模型的权重来最小化代价函数。
在第二部分 计算机视觉中，作者详细介绍了提高CNN效率方法，如算法优化、硬件利用、可视化、正则化和数据增强等。此外，还介绍了CNN流行架构与残差连接技术，如AlexNet网络架构和VGG网络架构等。
在第三部分 自然语言和序列处理中，作者深入探讨了神经语言模型克服维数灾难，如使用word2vec语言模型和GloVe语言模型等。此外，还介绍了seq2seq模型的基本结构，如编码器和解码器等。
在
推荐影视
阅读/下载地址