孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

用Python实现深度学习框架

用Python实现深度学习框架
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者:
出版社: 人民邮电出版社
2020-10
版次: 1
ISBN: 9787115548375
定价: 89.00
装帧: 平装
页数: 271页
分类: 计算机与互联网
33人买过
  • 本书带领读者用原生Python语言和Numpy线性代数库实现一个基于计算图的深度学习框架MatrixSlow（类似简易版的PyTorch、TensorFlow或Caffe）。全书分为三个部分。*部分是原理篇，实现了MatrixSlow框架的核心基础设施，并基于此讲解了机器学习与深度学习的概念和原理，比如模型、计算图、训练、梯度下降法及其各种变体。第二部分是模型篇，介绍了多种具有代表性的模型，包括逻辑回归、多层全连接神经网络、因子分解机、Wide & Deep、DeepFM、循环神经网络以及卷积神经网络，这部分除了着重介绍这些模型的原理、结构以及它们之间的联系外，还用MatrixSlow框架搭建并训练它们以解决实际问题。第三部分是工程篇，讨论了一些与深度学习框架相关的工程问题，内容涉及训练与评估，模型的保存、导入和服务部署，分布式训练，等等。 张觉非

    本科毕业于复旦大学计算机系，于中国科学院古脊椎动物与古人类研究所取得古生物学硕士学位，目前在互联网行业从事机器学习算法相关工作。

    陈震

    硕士毕业于北京大学。现任奇虎360智能工程部总监、负责人，带领团队建设集团的机器学习计算调度平台、机器学习建模平台、机器学习推理引擎以及推荐平台等AI基础设施。 第 一部分　原理篇

    第　1章 机器学习与模型　2

    1.1　模型　2

    1.2　参数与训练　4

    1.3　损失函数　9

    1.4　计算图的训练　10

    1.5　小结　12

    第　2章 计算图　13

    2.1　什么是计算图　13

    2.2　前向传播　14

    2.3　函数优化与梯度下降法　18

    2.4　链式法则与反向传播　29

    2.5　在计算图上执行梯度下降法　36

    2.6　节点类及其子类　36

    2.7　用计算图搭建ADALINE并训练　44

    2.8　小结　48

    第3章　优化器　49

    3.1　优化流程的抽象实现　49

    3.2　BGD、SGD和MBGD　53

    3.3　梯度下降优化器　58

    3.4　朴素梯度下降法的局限　60

    3.5　冲量优化器　61

    3.6　AdaGrad优化器　62

    3.7　RMSProp优化器　64

    3.8　Adam优化器　65

    3.9　小结　68

    第二部分　模型篇

    第4章　逻辑回归　70

    4.1　对数损失函数　70

    4.2　Logistic函数　73

    4.3　二分类逻辑回归　75

    4.4　多分类逻辑回归　78

    4.5　交叉熵　81

    4.6　实例：鸢尾花　85

    4.7　小结　88

    第5章　神经网络　90

    5.1　神经元与激活函数　90

    5.2　神经网络　95

    5.3　多层全连接神经网络　99

    5.4　多个全连接层的意义　101

    5.5　实例：鸢尾花　108

    5.6　实例：手写数字识别　110

    5.7　小结　116

    第6章　非全连接神经网络　117

    6.1　带二次项的逻辑回归　117

    6.2　因子分解机　124

    6.3　Wide & Deep　132

    6.4　DeepFM　137

    6.5　实例：泰坦尼克号幸存者　141

    6.6　小结　150

    第7章　循环神经网络　151

    7.1　RNN的结构　151

    7.2　RNN的输出　152

    7.3　实例：正弦波与方波　155

    7.4　变长序列　159

    7.5　实例：3D电磁发音仪单词识别　164

    7.6　小结　167

    第8章　卷积神经网络　168

    8.1　蒙德里安与莫奈　168

    8.2　滤波器　170

    8.3　可训练的滤波器　176

    8.4　卷积层　183

    8.5　池化层　186

    8.6　CNN的结构　189

    8.7　实例：手写数字识别　190

    8.8　小结　194

    第三部分　工程篇

    第9章　训练与评估　196

    9.1　训练和Trainer训练器　196

    9.2　评估和Metrics节点　202

    9.3　混淆矩阵　204

    9.4　正确率　204

    9.5　查准率　206

    9.6　查全率　206

    9.7　ROC曲线和AUC　208

    9.8　小结　211

    第　10章 模型保存、预测和服务　212

    10.1　模型保存　213

    10.2　模型加载和预测　216

    10.3　模型服务　216

    10.4　客户端　222

    10.5　小结　223

    第　11章 分布式训练　224

    11.1　分布式训练的原理　224

    11.2　基于参数服务器的架构　230

    11.3　Ring AllReduce原理　241

    11.4　Ring AllReduce架构实现　248

    11.5　分布式训练性能评测　257

    11.6　小结　259

    第　12章 工业级深度学习框架　261

    12.1　张量　262

    12.2　计算加速　263

    12.3　GPU　265

    12.4　数据接口　266

    12.5　模型并行　266

    12.6　静态图和动态图　267

    12.7　混合精度训练　268

    12.8　图优化和编译优化　270

    12.9　移动端和嵌入式端　270

    12.10　小结　271
  • 内容简介:
    本书带领读者用原生Python语言和Numpy线性代数库实现一个基于计算图的深度学习框架MatrixSlow（类似简易版的PyTorch、TensorFlow或Caffe）。全书分为三个部分。*部分是原理篇，实现了MatrixSlow框架的核心基础设施，并基于此讲解了机器学习与深度学习的概念和原理，比如模型、计算图、训练、梯度下降法及其各种变体。第二部分是模型篇，介绍了多种具有代表性的模型，包括逻辑回归、多层全连接神经网络、因子分解机、Wide & Deep、DeepFM、循环神经网络以及卷积神经网络，这部分除了着重介绍这些模型的原理、结构以及它们之间的联系外，还用MatrixSlow框架搭建并训练它们以解决实际问题。第三部分是工程篇，讨论了一些与深度学习框架相关的工程问题，内容涉及训练与评估，模型的保存、导入和服务部署，分布式训练，等等。
  • 作者简介:
    张觉非

    本科毕业于复旦大学计算机系，于中国科学院古脊椎动物与古人类研究所取得古生物学硕士学位，目前在互联网行业从事机器学习算法相关工作。

    陈震

    硕士毕业于北京大学。现任奇虎360智能工程部总监、负责人，带领团队建设集团的机器学习计算调度平台、机器学习建模平台、机器学习推理引擎以及推荐平台等AI基础设施。
  • 目录:
    第 一部分　原理篇

    第　1章 机器学习与模型　2

    1.1　模型　2

    1.2　参数与训练　4

    1.3　损失函数　9

    1.4　计算图的训练　10

    1.5　小结　12

    第　2章 计算图　13

    2.1　什么是计算图　13

    2.2　前向传播　14

    2.3　函数优化与梯度下降法　18

    2.4　链式法则与反向传播　29

    2.5　在计算图上执行梯度下降法　36

    2.6　节点类及其子类　36

    2.7　用计算图搭建ADALINE并训练　44

    2.8　小结　48

    第3章　优化器　49

    3.1　优化流程的抽象实现　49

    3.2　BGD、SGD和MBGD　53

    3.3　梯度下降优化器　58

    3.4　朴素梯度下降法的局限　60

    3.5　冲量优化器　61

    3.6　AdaGrad优化器　62

    3.7　RMSProp优化器　64

    3.8　Adam优化器　65

    3.9　小结　68

    第二部分　模型篇

    第4章　逻辑回归　70

    4.1　对数损失函数　70

    4.2　Logistic函数　73

    4.3　二分类逻辑回归　75

    4.4　多分类逻辑回归　78

    4.5　交叉熵　81

    4.6　实例：鸢尾花　85

    4.7　小结　88

    第5章　神经网络　90

    5.1　神经元与激活函数　90

    5.2　神经网络　95

    5.3　多层全连接神经网络　99

    5.4　多个全连接层的意义　101

    5.5　实例：鸢尾花　108

    5.6　实例：手写数字识别　110

    5.7　小结　116

    第6章　非全连接神经网络　117

    6.1　带二次项的逻辑回归　117

    6.2　因子分解机　124

    6.3　Wide & Deep　132

    6.4　DeepFM　137

    6.5　实例：泰坦尼克号幸存者　141

    6.6　小结　150

    第7章　循环神经网络　151

    7.1　RNN的结构　151

    7.2　RNN的输出　152

    7.3　实例：正弦波与方波　155

    7.4　变长序列　159

    7.5　实例：3D电磁发音仪单词识别　164

    7.6　小结　167

    第8章　卷积神经网络　168

    8.1　蒙德里安与莫奈　168

    8.2　滤波器　170

    8.3　可训练的滤波器　176

    8.4　卷积层　183

    8.5　池化层　186

    8.6　CNN的结构　189

    8.7　实例：手写数字识别　190

    8.8　小结　194

    第三部分　工程篇

    第9章　训练与评估　196

    9.1　训练和Trainer训练器　196

    9.2　评估和Metrics节点　202

    9.3　混淆矩阵　204

    9.4　正确率　204

    9.5　查准率　206

    9.6　查全率　206

    9.7　ROC曲线和AUC　208

    9.8　小结　211

    第　10章 模型保存、预测和服务　212

    10.1　模型保存　213

    10.2　模型加载和预测　216

    10.3　模型服务　216

    10.4　客户端　222

    10.5　小结　223

    第　11章 分布式训练　224

    11.1　分布式训练的原理　224

    11.2　基于参数服务器的架构　230

    11.3　Ring AllReduce原理　241

    11.4　Ring AllReduce架构实现　248

    11.5　分布式训练性能评测　257

    11.6　小结　259

    第　12章 工业级深度学习框架　261

    12.1　张量　262

    12.2　计算加速　263

    12.3　GPU　265

    12.4　数据接口　266

    12.5　模型并行　266

    12.6　静态图和动态图　267

    12.7　混合精度训练　268

    12.8　图优化和编译优化　270

    12.9　移动端和嵌入式端　270

    12.10　小结　271
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
12
相关图书 / 更多
用Python实现深度学习框架
用Python编程和实践！深度学习教科书
[日]石川聪彦 著；陈欢 译
￥25.00 起
用Python实现深度学习框架
用Python高效操作Excel很简单
张善春 著；颉腾文化 出品
￥30.56 起
用Python实现深度学习框架
用Python动手学机器学习
[日]伊藤真
￥2.88 起
用Python实现深度学习框架
用Python动手学强化学习(全彩印刷）
[日]久保隆宏 著；梁垿、程引 译
￥8.00 起
用Python实现深度学习框架
用Python学数学
[美]彼得·法雷尔（Peter Farrell）
￥43.00 起
用Python实现深度学习框架
用Python编程和实践！数学教科书
[日]我妻 幸长 著
￥29.98 起
用Python实现深度学习框架
用Python轻松处理Excel数据
阳光灿烂
￥31.09 起
用Python实现深度学习框架
用Python编程和实践！算法入门
增井 敏克（日）
￥27.80 起
用Python实现深度学习框架
用Python轻松设计控制系统
[日]南裕树（Yuki Minami） 著；施佳贤 译
￥25.90 起
用Python实现深度学习框架
用Python动手学统计学
[日]马场真哉
￥8.00 起
用Python实现深度学习框架
用Python让办公快速实现自动化
王红明
￥49.38 起
用Python实现深度学习框架
用Python编程和实践！区块链教科书
[日]FLOC 著
￥15.00 起
您可能感兴趣 / 更多
用Python实现深度学习框架
深入理解神经网络从逻辑回归到CNN
张觉非 著
￥25.00 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全