更新时间：2020-09-25 13:09:52
封面
版权信息
内容简介
前言
第1章 深度学习基础
1.1 人工智能、机器学习与深度学习
1.2 深度学习的三大核心要素
1.3 神经元与深度神经网络
1.4 神经网络中常用的激励函数
1.5 深度学习的优势
1.6 常用的深度学习框架
本章小结
习题
第2章 深度学习框架PyTorch的安装
2.1 PyTorch介绍
2.2 Windows系统中PyTorch的配置
2.3 Linux系统中PyTorch的配置
2.4 PyTorch开发工具
实验
第3章 PyTorch基础
3.1 Tensor的定义
3.2 Tensor的创建
3.3 Tensor的形状调整
3.4 Tensor的简单运算
3.5 Tensor的比较
3.6 Tensor的数理统计
3.7 Tensor与NumPy的互相转换
3.8 Tensor的降维和增维
3.9 Tensor的裁剪
3.10 Tensor的索引
3.11 把Tensor移到GPU上
第4章 线性回归和逻辑回归
4.1 回归
4.2 线性回归
4.3 一元线性回归的代码实现
4.4 梯度及梯度下降法
4.5 多元线性回归的代码实现
4.6 逻辑回归概述
第5章 全连接神经网络
5.1 全连接神经网络概述
5.2 多分类问题
5.3 Softmax函数与交叉熵
5.4 反向传播算法
5.5 计算机视觉工具包torchvision
5.6 全连接神经网络实现多分类
第6章 卷积神经网络
6.1 前馈神经网络
6.2 卷积神经网络的原理
6.3 卷积神经网络的代码实现
6.4 LeNet-5模型
6.5 VGGNet模型
6.6 ResNet模型
第7章 循环神经网络
7.1 循环神经网络概述
7.2 循环神经网络的原理
7.3 长短时记忆神经网络
第8章 生成式对抗网络
8.1 生成式对抗网络概述
8.2 条件生成式对抗网络
8.3 最小二乘生成式对抗网络
附录A 部分习题与实验参考答案
A.1 第1章习题与实验参考答案
A.2 第2章习题与实验参考答案
A.3 第3章习题与实验参考答案
A.4 第4章习题与实验参考答案
A.5 第5章习题与实验参考答案
A.6 第6章习题与实验参考答案
A.7 第7章习题与实验参考答案
A.8 第8章习题与实验参考答案
参考文献
