机读格式显示(MARC)

• 000 01554nam 2200289 450

• 001 0000232177

• 005 20230719102400.0

• 010 __ |a 978-7-115-57533-3 |d CNY99.90

• 100 __ |a 20220214d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 深度学习入门与TensorFlow实践 |A shen du xue xi ru men yu TensorFlowshi jian |f 林炳清著

• 210 __ |a 北京 |c 人民邮电出版社 |d 2022.2

• 215 __ |a 326页 |c 图 |d 24cm

• 225 2_ |a 深度学习系列 |A shen du xue xi xi lie

• 314 __ |a 林炳清, 毕业于新加坡南洋理工大学, 获得统计学博士学位, 现为深圳大学数学与统计学院副教授和硕士生导师。

• 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。

• 333 __ |a 本书可供从事人工智能方面研究的专业人士阅读, 也可供计算机专业的师生阅读

• 410 _0 |1 2001 |a 深度学习系列

• 606 0_ |a 机器学习 |A ji qi xue xi

• 606 0_ |a 人工智能 |A ren gong zhi neng |x 算法

• 690 __ |a TP18 |v 5

• 701 _0 |a 林炳清 |A lin bing qing |4 著

• 801 _0 |a CN |b 湖北三新 |c 20220214

• 905 __ |a GDPTC |d TP18/324