书目信息 |
题名: |
深度学习入门与TensorFlow实践
|
|
作者: | 林炳清 著 | |
分册: | ||
出版信息: | 北京 人民邮电出版社 2022.02 |
|
页数: | 326页 | |
开本: | 24cm | |
丛书名: | 深度学习系列 | |
单 册: | ||
中图分类: | TP18 , TP181 | |
科图分类: | ||
主题词: | 机器学习--ji qi xue xi , 人工智能--ren gong zhi neng--算法 | |
电子资源: | ||
ISBN: | 978-7-115-57533-3 |
000 | 01440nam 2200277 450 | |
001 | CAL 0120227356904 | |
010 | @a978-7-115-57533-3@dCNY99.90 | |
100 | @a20220906d2022 em y0chiy50 ea | |
101 | 0 | @achi |
102 | @aCN@b110000 | |
105 | @aa z 000yy | |
106 | @ar | |
200 | 1 | @a深度学习入门与TensorFlow实践@Ashen du xue xi ru men yu TensorFlow shi jian@f林炳清著 |
210 | @a北京@c人民邮电出版社@d2022.02 | |
215 | @a326页@c图@d24cm | |
225 | 2 | @a深度学习系列@Ashen du xue xi xi lie |
314 | @a林炳清, 现为深圳大学数学与统计学院副教授和硕士生导师。 | |
330 | @a本书首先介绍深度学习、线性代数、微积分和概率论相关知识, 讨论Python编程相关的基础知识, 线性模型中的线性回归模型和logistic模型, 梯度下降法, 然后讲述深度学习的正向传播算法、反向传播算法及完整训练流程, 输出层的激活函数, 应用于隐藏层的4个常见激活函数, 深度学习的过拟合和欠拟合, 以及3种应对过拟合的方法, 以及使用TensorFlow 2.0建立深度学习模型, 接着介绍卷积神经网络 (CNN) 及其两个最重要的组成部分 —— 卷积 (convolution) 和池化 (pooling) , 如何使用TensorFlow 2.0建立卷积神经网络, 最后讨论如何从零开始实现循环神经网络, 如何搭建深度学习框架, 如何使用TensorFlow 2.0建立循环神经网络模型。 | |
410 | 0 | @12001 @a深度学习系列 |
606 | 0 | @a机器学习@Aji qi xue xi |
606 | 0 | @a人工智能@Aren gong zhi neng@x算法 |
690 | @aTP18@v5 | |
690 | @aTP181@v5 | |
701 | 0 | @a林炳清@Alin bing qing@4著 |
801 | 0 | @aCN@c20220906 |
905 | @a河南城建学院图书馆@dTP181@eL490@f1 | |
深度学习入门与TensorFlow实践/林炳清著.-北京:人民邮电出版社,2022.02 |
326页:图;24cm.-(深度学习系列) |
ISBN 978-7-115-57533-3:CNY99.90 |
本书首先介绍深度学习、线性代数、微积分和概率论相关知识, 讨论Python编程相关的基础知识, 线性模型中的线性回归模型和logistic模型, 梯度下降法, 然后讲述深度学习的正向传播算法、反向传播算法及完整训练流程, 输出层的激活函数, 应用于隐藏层的4个常见激活函数, 深度学习的过拟合和欠拟合, 以及3种应对过拟合的方法, 以及使用TensorFlow 2.0建立深度学习模型, 接着介绍卷积神经网络 (CNN) 及其两个最重要的组成部分 —— 卷积 (convolution) 和池化 (pooling) , 如何使用TensorFlow 2.0建立卷积神经网络, 最后讨论如何从零开始实现循环神经网络, 如何搭建深度学习框架, 如何使用TensorFlow 2.0建立循环神经网络模型。 |
● |
相关链接 |
正题名:深度学习入门与TensorFlow实践
索取号:TP181/L490
 
预约/预借
序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
1 | 1559620 | 215596200 | 自科库301/301自科库 34排3列5层/ [索取号:TP181/L490] | 在馆 |