





定价:169元
印次:1-1
ISBN:9787302684145
出版日期:2025.03.01
印刷日期:2025.03.26
图书责编:赵佳霓
图书分类:教材
"本书以深度学习入门内容为主线,通过数形结合的方式来渐进式引导读者进行学习,力争使各位读者对于每个算法原理不仅要做到知其然更要做到知其所以然。同时,本书采用了深度学习中较为流行且简单易学的PyTorch框架来进行示例,以便让各位读者在学习各个算法的原理过程中也能够掌握其实际的用法。 本书共10章,分为深度学习领域发展和开发环境配置、深度学习基础和深度学习技术在自然语言处理领域方面的应用三部分内容。第一部分内容(第1~2章)详细介绍了深度学习的起源和发展阶段及深度学习环境的安装配置。第二部分内容(第3~8章)介绍了深度学习入门的基础内容,包括线性回归、梯度下降与反向传播、卷积神经网络、循环神经网络和模型的优化等方面的内容。第三部分(第9~10章)详细介绍了自然语言处理领域的重要概念和技术发展路线,包括Seq2Seq、注意力机制、Transformer和GPT等目前主流的算法模型。 本书图例丰富,原理与代码讲解通俗易懂,既可作为高等院校和培训机构相关专业的教学参考书,也可作为对深度学习领域感兴趣的工程师和研究人员使用。 "
"王成,华东交通大学计算机应用技术硕士毕业,机器学习领域CSDN与知乎专栏常驻作者,浦发银行创新研究中心自然语言处理工程师,自媒体创作者。专注于机器学习、深度学习技术原理分享,写作八年累积数百万字手稿,出版了《跟我一起学机器学习》,并著有This Post Is All You Need等电子读物。黄晓辉,毕业于哈尔滨工业大学计算机软件与理论博士毕业,华东交通大学信息工程学院教授、博士研究生导师,南洋理工大学计算机科学与工程学院访问学者,赣鄱俊才支持计划高校领军人才(青年领军人才),江西省杰出青年基金获得者,获得江西省自然科学二等奖(排名第一)。长期从事深度学习、机器学习相关领域的研究工作,主持多项国家级和省级课题,并获得多项发明专利。"
前言 作为《跟我一起学机器学习》的姊妹篇,两年之后《跟我一起学深度学习》一书也终于出版了。北宋大家张载有言: “为天地立心,为生民立命,为往圣继绝学,为万世开太平。”这两部著作虽然没有这样的宏伟愿景,但在它们的编写过程中我们自始至终都秉持着“为往圣继绝学”的想法在进行。 作为机器学习方向的一个重要分支,深度学习在近年来的发展可谓大放异彩。随着深度学习技术的不断发展,与之相关的技术应用已经深入渗透到了我们日常生活的方方面面,从医疗保健、金融服务到零售,以及从交通再到智能助理、智能家居等,尤其是在以GPT为代表的大语言模型出现以后,深度学习技术的影子更是无处不在。如今,利用ChatGPT来作为日常生产力工具更是成为一种共识。例如在本书的成文过程中ChatGPT就为我们提供了不少的灵感和启示,部分内容也是在ChatGPT的辅助下完成的,而这在10年乃至5年前都是难以想象的。也正因如此,对于这些热门应用背后技术的探索便逐渐成为计算机行业及高校所追捧的对象,但对于绝大多数初学者来讲,想要跨入深度学习这一领域依旧存在着较高的门槛,所以一本“数+形”结合、动机原理并重、细致考究的入门图书就显得十分必要了。 尽管目前市面上已经存在着大量类似图书,但现有图书的不足之处在于往往太过高估了学生的学习能力。首先,这类图书往往都只是罗列了一堆名词概念、抽象晦涩的数学公式或是枯燥冗长的代码,而这对于初学者或是数学基础比较薄弱的学生来讲是极为糟糕的,作为过来人我们对此深有体会; 其次,这类图书在介绍各个算法时仅仅做到了知其然而不知其所以然,并没有介绍每个算法模型出现的背景和动机,仿佛它...
目录
教学课件(PPT)
本书源码
第1章深度学习简介
1.1深度学习的发展阶段
1.1.1早期理论的发展
1.1.2人工智能的萌芽
1.1.3反向传播算法的发展
1.1.4卷积神经网络的发展
1.1.5循环神经网络的发展
1.1.6自然语言处理的发展
1.2深度学习中的关键人物
1.3深度学习框架介绍
1.3.1深度学习框架的出现
1.3.2深度学习框架的历史
1.4本书的体系结构
1.4.1面向的读者
1.4.2内容与结构
1.4.3代码及资源
第2章环境配置
2.1体系结构介绍
2.1.1基础软硬件设施
2.1.2版本依赖关系
2.1.3Conda工具介绍
2.1.4安装源介绍
2.1.5小结
2.2深度学习环境安装
2.2.1在Windows环境下
2.2.2在Linux环境下
2.2.3实战示例
2.2.4GPU租用
2.2.5小结
2.3开发环境安装配置
2.3.1Jupyter Notebook安装与使用
2.3.2PyCharm安装与使用
2.3.3远程连接使用
2.3.4小结
第3章深度学习基础
3.1线性回归
3.1.1理解线性回归模型
3.1.2建立线性回归模型
3.1.3求解线性回归模型
3.1.4多项式回归建模
3.1.5从特征输入到特征提取
3.1.6从线性输...