定价：79元
印次：1-1
ISBN：9787302604365
出版日期：2022.06.01
印刷日期：2022.05.09
图书责编：夏毓彦
图书分类：零售
电子书
在线购买
分享
JAX是一个用于高性能数值计算的Python库，专门为深度学习领域的高性能计算而设计。本书详解JAX框架深度学习的相关知识，配套示例源码、PPT课件、数据集和开发环境。 本书共分为13章，内容包括JAX从零开始，一学就会的线性回归、多层感知机与自动微分器，深度学习的理论基础，XLA与JAX一般特性，JAX的高级特性，JAX的一些细节，JAX中的卷积，JAX与TensorFlow的比较与交互，遵循JAX函数基本规则下的自定义函数，JAX中的高级包。最后给出3个实战案例：使用ResNet完成CIFAR100数据集分类，有趣的词嵌入，生成对抗网络（GAN）。 本书适合JAX框架初学者、深度学习初学者以及深度学习从业人员，也适合作为高等院校和培训机构人工智能相关专业的师生教学参考书。
王晓华，计算机专业讲师，研究方向为云计算、大数据与人工智能。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow知识图谱实战》《TensorFlow人脸识别实战》《TensorFlow语音识别实战》《TensorFlow 2.0卷积神经网络实战》《Keras实战：基于TensorFlow2.2的深度学习实践》《TensorFlow深度学习从零开始学》《深度学习的数学原理与实现》等图书。
前 言 深度学习和人工智能引领了一个新的研究和发展方向，同时正在改变人类固有的处理问题的思维。现在各个领域都处于运用深度学习技术进行重大技术突破的阶段，与此同时，深度学习本身也展现出巨大的发展空间。 JAX是一个用于高性能数值计算的Python库，专门为深度学习领域的高性能计算而设计，其包含丰富的数值计算与科学计算函数，能够很好地满足用户的计算需求，特别是其基于GPU或者其他硬件加速器的能力，能够帮助我们在现有的条件下极大地加速深度学习模型的训练与预测。 JAX继承了Python简单易用的优点，给使用者提供了一个“便于入门，能够提高”的深度学习实现方案。JAX在代码结构上采用面向对象方法编写，完全模块化，并具有可扩展性，其运行机制和说明文档都将用户体验和使用难度纳入考虑范围，降低了复杂算法的实现难度。JAX的计算核心使用的是自动微分，可以支持自动模式反向传播和正向传播，且二者可以任意组合成任何顺序。 本书由浅到深地向读者介绍JAX框架相关的知识，重要内容均结合代码进行实战讲解，读者通过这些实例可以深入掌握JAX程序设计的内容，并能对深度学习有进一步的了解。 本书特色 版本新，易入门 本书详细介绍JAX最新版本的安装和使用，包括CPU版本以及GPU版本。 作者经验丰富，代码编写细腻 作者是长期奋战在科研和工业界的一线算法设计和程序编写人员，实战经验丰富，对代码中可能会出现的各种问题和“坑”有丰富的处理经验，使得读者能够少走很多弯路。 理论扎实，深入浅出 在代码设计的基础上，本书深入浅出地介绍深度学习需要掌握的一些基本理论知识，并通过大量的公式与图示对理...
第 1 章 JAX从零开始 1
1.1 JAX来了 1
1.1.1 JAX是什么 1
1.1.2 为什么是JAX 2
1.2 JAX的安装与使用 3
1.2.1 Windows Subsystem for Linux的安装 3
1.2.2 JAX的安装和验证 7
1.2.3 PyCharm的下载与安装 8
1.2.4 使用PyCharm和JAX 9
1.2.5 JAX的Python代码小练习：计算SeLU函数 11
1.3 JAX实战—MNIST手写体的识别 12
1.3.1 第一步：准备数据集 12
1.3.2 第二步：模型的设计 13
1.3.3 第三步：模型的训练 13
1.4 本章小结 15
第2章 一学就会的线性回归、多层感知机与自动微分器 16
2.1 多层感知机 16
2.1.1 全连接层—多层感知机的隐藏层 16
2.1.2 使用JAX实现一个全连接层 17
2.1.3 更多功能的全连接函数 19
2.2 JAX实战—鸢尾花分类 22
2.2.1 鸢尾花数据准备与分析 23
2.2.2 模型分析—采用线性回归实战鸢尾花分类 24
2.2.3 基于JAX的线性回归模型的编写 25
2.2.4 多层感知机与神经网络 27
2.2.5 基于JAX的激活函数、softmax函数与交叉熵函数 29
2.2.6 基于多层感知机的鸢尾花分类实战 31
2.3 自动微分器 35
2.3.1 什么是微分器 36
2.3.2 JAX中的自动微分 37... 查看详情
