深度學習程式設計實戰

內容簡介

本書以Python語言和Tensorflow為工具，由淺入深地講述了深度學習程式設計的基本原理、算法和思考問題的方法，內容包括自頂向下的程式設計、遞歸程式設計、面向對象的程式設計、反向傳播算法、三層神經網路、卷積神經網路、循環神經網路、生成式對抗網路和目標檢測等。本書重在研究代碼背後深刻的計算機理論和數學原理，試圖說明代碼是對理論和思想的實現手段，而不是目的。學以致用是本書的宗旨，提高讀者編程水平和動手能力是本書的目的。本書通過大量有趣的實例，說明了理論對深度學習程式設計實踐的指導意義。

圖書目錄

序

前言

第1 章程式設計方法

1.1 自頂向下的程式設計

1.1.1 問題分解和自頂向下的程式設計方法

1.1.2 五猴分桃問題

1.1.3 猜姓氏問題

1.1.4 囚犯問題

1.1.5 撲克牌問題

1.2 遞歸程式設計

1.2.1 河內塔問題

1.2.2 兔子問題

1.2.3 字元串匹配問題

1.2.4 組合問題

1.2.5 人字形鐵路問題

1.3 面向對象的程式設計

1.3.1 方法重定義和分數

1.3.2 二十四點問題

1.4 結束語

第2 章反向傳播算法

2.1 導數和導數的套用

2.1.1 導數

2.1.2 梯度下降法求函式的最小值

2.1.3 牛頓法求平方根

2.1.4 複合函式和鏈式法則

2.1.5 多元函式和全微分方程

2.1.6 反向傳播算法

2.1.7 梯度

2.1.8 分段求導

2.2 自動求導和人工智慧框架

2.2.1 表達式和自動求偏導

2.2.2 表達式求值

2.2.3 求解任意方程

2.2.4 求解任意方程組

2.2.5 求解任意函式的極小值

2.2.6 張量、計算圖和人工智慧框架

2.3 結束語

第3 章神經元網路初步

3.1 Tensorflow基本概念

3.1.1 計算圖、張量、常數和變數

3.1.2 會話、運行

3.1.3 占位符

3.1.4 矩陣算術運算

3.1.5 矩陣運算的廣播

3.1.6 TF矩陣運算

3.1.7 形狀和操作

3.1.8 關係運算和邏輯運算

3.2 最佳化器和計算圖

3.2.1 梯度和最佳化器

3.2.2 求解平方根

3.2.3 計算圖

3.3 三層神經網路

3.3.1 神經元網路訓練算法

3.3.2 線性變換和激活函式

3.3.3 矩陣乘法和全連線

深度學習程式設計實戰

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條