书目信息 |
题名: |
Python深度学习入门
|
|
作者: | 韦德曼 著 ;郑天民 译 | |
分册: | ||
出版信息: | 北京 人民邮电出版社 2021.02 |
|
页数: | xix, 192页 | |
开本: | 24cm | |
丛书名: | 图灵程序设计丛书 | |
单 册: | ||
中图分类: | TP311.561 | |
科图分类: | ||
主题词: | 软件工具--ruan jian gong ju--程序设计 | |
电子资源: | ||
ISBN: | 978-7-115-55564-9 |
000 | 01590nam 2200313 450 | |
001 | CAL 0120217120051 | |
010 | @a978-7-115-55564-9@dCNY79.00 | |
100 | @a20210303d2021 em y0chiy0120 ea | |
101 | 1 | @achi@ceng |
102 | @aCN@b110000 | |
105 | @aa z 000yy | |
106 | @ar | |
200 | 1 | @aPython深度学习入门@APython shen du xue xi ru men@d= Deep learning from scratch@e从零构建CNN和RNN@f(美) 塞思·韦德曼著@g郑天民译@zeng |
210 | @a北京@c人民邮电出版社@d2021.02 | |
215 | @axix, 192页@c图@d24cm | |
225 | 2 | @a图灵程序设计丛书@Atu ling cheng xu she ji cong shu |
306 | @aO'Reilly Media, Inc.授权出版 | |
314 | @a塞思·韦德曼, 一位数据科学家, 具有多年应用和教授机器学习概念的经验。郑天民, 日本足利工业大学信息工程学硕士。 | |
330 | @a本书全面介绍深度学习知识, 其中涉及大量数学公式、示意图以及代码, 旨在帮助读者从数学层面、概念层面和应用层面理解神经网络。读者可以跟着书中的介绍, 逐步构建和训练神经网络模型, 从而解决实际问题。另外, 本书介绍了卷积神经网络和循环神经网络, 并提供了PyTorch开源神经网络库的使用方法。理解并掌握这些知识, 对学习构建更高级的神经网络架构很有帮助。有了这些经验, 读者就能游刃有余地面对在工作中遇到的所有深度学习项目。 | |
410 | 0 | @12001 @a图灵程序设计丛书 |
500 | 10 | @aDeep learning from scratch@mChinese |
517 | 1 | @a从零构建CNN和RNN@Acong ling gou jian CNNhe RNN |
606 | 0 | @a软件工具@Aruan jian gong ju@x程序设计 |
610 | 0 | @aPython |
690 | @aTP311.561@v5 | |
701 | 1 | @a韦德曼@Awei de man@g(Weidman, Seth)@4著 |
702 | 0 | @a郑天民@Azheng tian min@4译 |
801 | 0 | @aCN@b人天书店@c20210303 |
905 | @aTSG@b0000204@dTP311.561@eW511@f2 | |
Python深度学习入门= Deep learning from scratch:从零构建CNN和RNN/(美) 塞思·韦德曼著/郑天民译.-北京:人民邮电出版社,2021.02 |
xix, 192页:图;24cm.-(图灵程序设计丛书) |
ISBN 978-7-115-55564-9:CNY79.00 |
本书全面介绍深度学习知识, 其中涉及大量数学公式、示意图以及代码, 旨在帮助读者从数学层面、概念层面和应用层面理解神经网络。读者可以跟着书中的介绍, 逐步构建和训练神经网络模型, 从而解决实际问题。另外, 本书介绍了卷积神经网络和循环神经网络, 并提供了PyTorch开源神经网络库的使用方法。理解并掌握这些知识, 对学习构建更高级的神经网络架构很有帮助。有了这些经验, 读者就能游刃有余地面对在工作中遇到的所有深度学习项目。 |
● |
相关链接 |
正题名:Python深度学习入门
索取号:TP311.561/W511
 
预约/预借
序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
1 | 1537368 | 215373682 | 自科库301/301自科库 74排2列1层/ [索取号:TP311.561/W511] | 在馆 | |
2 | 1537369 | 215373691 | 自科库301/301自科库 74排2列1层/ [索取号:TP311.561/W511] | 在馆 |