深度学习
内容简介：本书共14章，分为四篇：第一篇为深度学习相关的基本概念与理论，梳理了深度学习的发展历程、前沿与趋势，介绍了机器学习任务类型、评价指标、过拟合与欠拟合、偏差与方差、最大似然估计、贝叶斯决策、损失函数设计等；第二篇介绍典型神经网络，包括多层感知机、卷积神经网络、循环神经网络、Transformer和图神经网络；第三篇为深度学习前沿方向，包括深度生成模型、深度神经网络的优化方法、正则化方法、自监督学习、强化学习及深度神经网络的高效计算方法。第四篇为深度学习实战，以PyTorch框架为例介绍张量操作、自动求导和神经网络层构建，同时结合图像分类、文本分类的实战案例展示深度学习模型的实现流程。
登录后可荐购