书目信息 |
题名: |
用Python实现深度学习框架
|
|
作者: | 张觉非 , 陈震 著 | |
分册: | ||
出版信息: | 北京 人民邮电出版社 2020.10 |
|
页数: | 271页 | |
开本: | 24cm | |
丛书名: | 图灵原创 | |
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: | 978-7-115-54837-5 |
000 | 01591nam 2200337 450 | |
001 | CAL Rt949-0437 | |
005 | 20201030151523.8 | |
010 | @a978-7-115-54837-5@dCNY89.00 | |
092 | @aCN@bRt949-0437 | |
100 | @a20201029d2020 em y0chiy0120 ea | |
101 | 0 | @achi |
102 | @aCN@b110000 | |
105 | @aa z 000yy | |
106 | @ar | |
200 | 1 | @a用Python实现深度学习框架@Ayong Python shi xian shen du xue xi kuang jia@f张觉非, 陈震著 |
210 | @a北京@c人民邮电出版社@d2020.10 | |
215 | @a271页@c图@d24cm | |
225 | 2 | @a图灵原创@Atu ling yuan chuang |
300 | @a图灵教育 站在巨人的肩上 | |
314 | @a张觉非, 目前在互联网行业从事机器学习算法相关工作。陈震, 现任奇虎360智能工程部总监、负责人。 | |
330 | @a本书分为三个部分。第一部分是原理篇, 实现了MatrixSlow框架的核心基础设施, 并围绕实现讲解了机器学习与深度学习的概念和原理, 比如模型、计算图、训练、梯度下降法及其各种变体。第二部分是模型篇, 介绍了多种具有代表性的模型, 包括逻辑回归、多层全连接神经网络、因子分解机、Wide&Deep、DeepFM、循环神经网络以及卷积神经网络, 这部分除了着重介绍这些模型的原理、结构与它们之间的联系外, 还用MatrixSlow框架搭建并训练它们以解决实际问题。第三部分是工程篇, 讨论了一些与深度学习框架相关的工程问题, 内容涉及训练与评估, 模型的保存、导入和服务部署, 分布式训练等等。 | |
410 | 0 | @12001 @a图灵原创 |
606 | 0 | @a软件工具@Aruan jian gong ju@x程序设计 |
610 | 0 | @aPython |
690 | @aTP311.561@v5 | |
701 | 0 | @a张觉非@Azhang jue fei@4著 |
701 | 0 | @a陈震@Achen zhen@4著 |
801 | 0 | @aCN@b人天书店@c20201029 |
901 | @a人民邮电出版社 | |
905 | @aTSG@b0002408@dTP311.561@eZ121@f2 | |
997 | @a期货 | |
用Python实现深度学习框架/张觉非, 陈震著.-北京:人民邮电出版社,2020.10 |
271页:图;24cm.-(图灵原创) |
图灵教育 站在巨人的肩上 |
ISBN 978-7-115-54837-5:CNY89.00 |
本书分为三个部分。第一部分是原理篇, 实现了MatrixSlow框架的核心基础设施, 并围绕实现讲解了机器学习与深度学习的概念和原理, 比如模型、计算图、训练、梯度下降法及其各种变体。第二部分是模型篇, 介绍了多种具有代表性的模型, 包括逻辑回归、多层全连接神经网络、因子分解机、Wide&Deep、DeepFM、循环神经网络以及卷积神经网络, 这部分除了着重介绍这些模型的原理、结构与它们之间的联系外, 还用MatrixSlow框架搭建并训练它们以解决实际问题。第三部分是工程篇, 讨论了一些与深度学习框架相关的工程问题, 内容涉及训练与评估, 模型的保存、导入和服务部署, 分布式训练等等。 |
● |
相关链接 |
正题名:用Python实现深度学习框架
索取号:TP311.561/Z121
 
预约/预借
序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
1 | 1538897 | 215388970 | 自科库301/301自科库 74排2列5层/ [索取号:TP311.561/Z121] | 在馆 | |
2 | 1538898 | 215388989 | 自科库301/301自科库 74排2列5层/ [索取号:TP311.561/Z121] | 在馆 |