|
000
|
01502nam 2200313 450
|
|
001
|
CAL 0120203122604
|
|
005
|
20201215102208.2
|
|
010
|
|
@a978-7-115-54638-8@dCNY79.00
|
|
092
|
|
@aCN@bRt956-2292
|
|
100
|
|
@a20201215d2020 em y0chiy0120 ea
|
|
101
|
1
|
@achi@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aPyTorch生成对抗网络编程@APyTorch sheng cheng dui kang wang luo bian cheng@f(英) 塔里克·拉希德著@g韩江雷译
|
|
210
|
|
@a北京@c人民邮电出版社@d2020.12
|
|
215
|
|
@a206页@c彩图@d23cm
|
|
225
|
2
|
@a深度学习系列@Ashen du xue xi xi lie
|
|
314
|
|
@a塔里克·拉希德, 拥有物理学学士学位、机器学习和数据挖掘硕士学位。韩江雷, 新加坡南洋理工大学计算机专业博士, 思爱普公司 (新加坡) 数据科学家。
|
|
330
|
|
@a本书以直白、简短的方式向读者介绍了生成对抗网络, 并且教读者如何使用PyTorch按部就班地编写生成对抗网络。全书共3章和5个附录, 分别介绍了PyTorch基础知识、用PyTorch开发神经网络、改良神经网络以提升效果、引入CUDA和GPU以加速GAN, 以及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了在很多机器学习相关教程中被忽略的主题, 包括计算平衡GAN的理想损失值、概率分布和采样, 以及卷积如何工作, 还简单解释了为什么梯度下降不适用于对抗式机器学习。
|
|
410
|
0
|
@12001 @a深度学习系列
|
|
606
|
0
|
@a机器学习@Aji qi xue xi
|
|
690
|
|
@aTP181@v5
|
|
701
|
1
|
@a拉希德@Ala xi de@g(Rashid, Tariq)@4著
|
|
702
|
0
|
@a韩江雷@Ahan jiang lei@4译
|
|
801
|
0
|
@aCN@b人天书店@c20201215
|
|
901
|
|
@a人民邮电出版社
|
|
905
|
|
@aTSG@b0001953@dTP181@eL014@f2
|
|
997
|
|
@a期货
|
|
|
|
|
| |
| PyTorch生成对抗网络编程/(英) 塔里克·拉希德著/韩江雷译.-北京：人民邮电出版社，2020.12 |
| 206页：彩图；23cm.-(深度学习系列) |
| |
| |
| ISBN 978-7-115-54638-8：CNY79.00 |
| 本书以直白、简短的方式向读者介绍了生成对抗网络, 并且教读者如何使用PyTorch按部就班地编写生成对抗网络。全书共3章和5个附录, 分别介绍了PyTorch基础知识、用PyTorch开发神经网络、改良神经网络以提升效果、引入CUDA和GPU以加速GAN, 以及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了在很多机器学习相关教程中被忽略的主题, 包括计算平衡GAN的理想损失值、概率分布和采样, 以及卷积如何工作, 还简单解释了为什么梯度下降不适用于对抗式机器学习。 |
| ● |
正题名：PyTorch生成对抗网络编程
索取号：TP181/L014
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1539212
|
215392126
|
自科库301/301自科库 102排9列4层/
[索取号:TP181/L014]
|
在馆
|
|
|
2
|
1539213
|
215392135
|
自科库301/301自科库 102排9列4层/
[索取号:TP181/L014]
|
在馆
|
|
