深度学习——理论、方法与PyTorch实践

内容简介

本书系统介绍了深度学习的理论基础、核心方法以及基于PyTorch框架的实践应用。全书共分12章，内容涵盖深度学习的基本概念、神经网络基础、卷积神经网络、循环神经网络、生成对抗网络、自编码器、注意力机制与Transformer等主流模型，并深入讲解了模型训练中的优化算法、正则化技巧、超参数调优等关键技术。

在理论部分，本书从数学和算法角度清晰阐述了反向传播、梯度下降、批量归一化、Dropout等核心原理，帮助读者建立扎实的理论基础。在实践部分，每章均配有基于PyTorch的完整代码示例和项目实战，包括图像分类、文本生成、语音识别、风格迁移等经典应用场景，读者可快速上手并掌握从数据准备到模型部署的全流程。

本书兼具理论深度与工程实用性，适合作为高等院校人工智能、计算机科学等相关专业的教材，也适合深度学习初学者、科研人员和工程师作为自学参考书。通过阅读本书，读者能够系统掌握深度学习原理，并具备独立使用PyTorch解决实际问题的能力。

内容简介
作者简介
序
基础篇
  第1章什么是深度学习
  第2章图像识别及K-NN算法
  第3章线性分类器
  第4章优化与梯度
  第5章卷积神经网络
  第6章卷积神经网络训练技巧
  第7章卷积神经网络架构
  第8章循环神经网络
  第9章基于深度学习的语言模型
  第10章深度学习NLP应用进阶
  第11章深度生成模型
  第12章生成对抗网络
  第13章生成对抗网络的创新及应用
实战篇
  第14章 PyTorch入门
  第15章手写数字识别

下载权限

查看

￥

免费下载

评论并刷新后下载

登录后下载

查看演示

{{attr.name}}：

您当前的等级为

登录后免费下载登录小黑屋反思中，不准下载！评论后刷新页面下载评论支付以后下载请先登录您今天的下载次数（次）用完了，请明天再来支付积分以后下载立即支付支付以后下载立即支付您当前的用户组不允许下载升级会员

您已获得下载权限您可以每天下载资源次，今日剩余次

免责申明：
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。