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 |
|
| 页数： | 326页 | |
| 开本： | 24cm | |
| 丛书名： | 深度学习系列 | |
| 单 册： | ||
| 中图分类： | TP181 ， TP18 | |
| 科图分类： | ||
| 主题词： | 机器学习 , 人工智能--算法 | |
| 电子资源： | ||
| ISBN： | 978-7-115-57533-3 | |
| 000 | 01402nam0 2200289 450 | |
| 001 | 2423010146 | |
| 005 | 20240321141410.68 | |
| 010 | @a978-7-115-57533-3@dCNY99.90 | |
| 049 | @aO110106RET@bUCS01010883713@c010883713 | |
| 100 | @a20220211d2022 em y0chiy0110 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aa z 000yy | |
| 200 | 1 | @a深度学习入门与TensorFlow实践@9shen du xue xi ru men yu TensorFlow shi jian@b专著@f林炳清著 |
| 210 | @a北京@c人民邮电出版社@d2022 | |
| 215 | @a326页@c图@d24cm | |
| 225 | 1 | @a深度学习系列 |
| 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。 | |
| 606 | 0 | @a机器学习 |
| 606 | 0 | @a人工智能@x算法 |
| 690 | @aTP181@v5 | |
| 690 | @aTP18@v5 | |
| 701 | 0 | @a林炳清@9lin bing qing@4著 |
| 801 | 2 | @aCN@bOLCC @c20220505 |
| 801 | 2 | @aCN@bO110106RET@c20220224 |
| 801 | 0 | @aCN@b人天书店@c20220211 |
| 905 | @a241250@dTP181@e112 | |
| 深度学习入门与TensorFlow实践/林炳清著.-北京：人民邮电出版社，2022 |
| 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：TP181/112
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1947979 | 219479794 | 样本书库/ [索取号:TP181/112] | 在馆 | |
| 2 | 1947980 | 219479801 | 新区/5100080504/ [索取号:TP181/112] | 在馆 | |
| 3 | 1947981 | 219479810 | 新区/5100080504/ [索取号:TP181/112] | 在馆 |