《深度学习理论与实践》吕云翔 王志鹏 | PDF下载|ePub下载

前言
第1部分深度学习理论基础
第1章深度学习简介
1��1计算机视觉
1��1��1定义
1��1��2基本任务
1��1��3传统方法
1��1��4仿生学与深度学习
1��1��5现代深度学习
1��1��6卷积神经网络
1��2自然语言处理
1��2��1自然语言处理的基本问题
1��2��2传统方法与神经网络方法的比较
1��2��3发展趋势
1��3强化学习
1��3��1什么是强化学习
1��3��2强化学习算法简介
1��3��3强化学习的应用
1��4本章小结
习题
第2章深度学习框架
2��1PyTorch
2��1��1什么是PyTorch
2��1��2PyTorch的特点
2��1��3PyTorch应用概述
2��2TensorFlow
2��2��1什么是TensorFlow
2��2��2数据流图
2��2��3TensorFlow的特点
2��2��4TensorFlow应用概述
2��3PaddlePaddle
2��3��1什么是PaddlePaddle
2��3��2PaddlePaddle的特点
2��3��3PaddlePaddle应用概述
2��4三者的比较
2��5本章小结
习题
第3章机器学习基础知识
3��1机器学习概述
3��1��1关键术语
3��1��2机器学习的分类
3��1��3机器学习的模型构造过程
3��2监督学习
3��2��1线性回归
3��2��2逻辑斯谛回归
3��2��3*小近邻法
3��2��4线性判别分析法
3��2��5朴素贝叶斯分类器
3��2��6决策树分类算法
3��2��7支持向量机分类算法
3��3无监督学习
3��3��1划分式聚类方法
3��3��2层次化聚类方法
3��3��3基于密度的聚类方法
3��4强化学习
3��4��1强化学习、监督学习和无监督学习
3��4��2强化学习问题描述
3��4��3强化学习问题分类
3��5神经网络和深度学习
3��5��1感知器模型
3��5��2前馈神经网络
3��5��3卷积神经网络
3��5��4其他类型结构的神经网络
3��6本章小结
习题
第4章回归模型
4��1线性回归模型
4��2Logistic回归模型
4��3用PyTorch实现Logistic回归
4��3��1数据准备
4��3��2线性方程
4��3��3激活函数
4��3��4损失函数
4��3��5优化算法
4��3��6模型可视化
4��4本章小结
习题
第5章神经网络基础
5��1基础概念
5��2感知器
5��2��1单层感知器
5��2��2多层感知器
5��3BP神经网络
5��3��1梯度下降
5��3��2反向传播
5��4Dropout正则化
5��5批标准化
5��5��1批标准化的实现方式
5��5��2批标准化的使用方法
5��6本章小结
习题
第6章卷积神经网络(CNN)与计算机视觉
6��1卷积神经网络的基本思想
6��2卷积操作
6��3池化层
6��4卷积神经网络
6��5经典网络结构
6��5��1VGG网络
6��5��2InceptionNet
6��5��3ResNet
6��5��4GAN
6��5��5Diffusion模型
6��6用PyTorch进行手写数字识别
6��7本章小结
习题
第7章神经网络与自然语言处理
7��1语言建模
7��2基于多层感知机的架构
7��3基于循环神经网络的架构
7��3��1循环单元
7��3��2通过时间反向传播
7��3��3带有门限的循环单元
7��3��4循环神经网络语言模型
7��3��5神经机器翻译
7��4基于卷积神经网络的架构
7��5基于Transformer的架构
7��5��1多头注意力
7��5��2非参位置编码
7��5��3编码器单元与解码器单元
7��6表示学习与预训练技术
7��6��1词向量
7��6��2加入上下文信息的特征表示
7��6��3网络预训练
7��7本章小结
习题
第2部分深度学习实验
第8章操作实践
8��1PyTorch操作实践
8��1��1PyTorch安装
8��1��2Tensor 对象及其运算
8��1��3Tensor 的索引和切片
8��1��4Tensor的变换、拼接和拆分
8��1��5PyTorch的Reduction操作
8��1��6PyTorch的自动微分
8��2TensorFlow操作实践
8��2��1TensorFlow安装
8��2��2Tensor 对象及其运算
8��2��3Tensor 的索引和切片
8��2��4Tensor 的变换、拼接和拆分
8��2��5TensorFlow的Reduction操作
8��2��6TensorFlow 的自动微分
8��3PaddlePaddle操作实践
8��3��1PaddlePaddle安装
8��3��2Tensor 的创建和初始化
8��3��3Tensor的常见基础操作
8��3��4自动微分
8��4本章小结
第9章人工智能热门研究领域实验
9��1计算机视觉
9��1��1一个通用的图像分类模型
9��1��2两阶段目标检测和语义分割
9��1��3人物图像处理
9��1��4调用远程服务
9��1��5动漫图像生成
9��2自然语言处理
9��2��1垃圾邮件分类
9��2��2词嵌入技术
9��2��3文本生成与多轮对话
9��2��4语音识别
9��3强化学习：一个会玩平衡摆的智能体
9��4可视化技术
9��4��1使用TensorBoard可视化训练过程
9��4��2卷积核可视化
9��4��3注意力机制可视化
9��5本章小结
第3部分深度学习案例
第10章案例：花卉图片分类
10��1环境与数据准备
10��1��1环境安装
10��1��2数据集简介
10��1��3数据集下载与处理
10��2模型创建、训练和测试
10��2��1模型创建与训练
10��2��2测试与结果
10��3本章小结
第11章案例：人脸关键点检测
11��1数据准备
11��1��1人脸裁剪与缩放
11��1��2数据归一化处理
11��1��3整体代码
11��2模型搭建与训练
11��2��1特征图生成
11��2��2模型搭建
11��2��3模型训练
11��3模型评价
11��4本章小结
第12章案例：街景门牌字符识别
12��1背景介绍
12��2算法介绍
12��2��1YOLOv4
12��2��2算法流程
12��3模型优化
12��3��1数据增强
12��3��2模型融合
12��4结果展