Python深度學(xué)習(xí)入門(mén)：從基礎(chǔ)知識(shí)到實(shí)踐應(yīng)用

定　價(jià)：￥99.00

作　者：	（日）木村優(yōu)志
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111700760	出版時(shí)間：	2022-04-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	332	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《Python深度學(xué)習(xí)入門(mén)：從基礎(chǔ)知識(shí)到實(shí)踐應(yīng)用》全面細(xì)致地講解了深度學(xué)習(xí)的基礎(chǔ)知識(shí)及其應(yīng)用，具體內(nèi)容包括深度學(xué)習(xí)開(kāi)發(fā)環(huán)境的準(zhǔn)備、Python的基礎(chǔ)知識(shí)，以及深度學(xué)習(xí)模型的使用與開(kāi)發(fā)等?！禤ython深度學(xué)習(xí)入門(mén)：從基礎(chǔ)知識(shí)到實(shí)踐應(yīng)用》中充分結(jié)合了實(shí)例，對(duì)深度學(xué)習(xí)的概念、模型和程序語(yǔ)句進(jìn)行了深入淺出的介紹，尤其是重點(diǎn)介紹了使用遷移學(xué)習(xí)的“NyanCheck”應(yīng)用程序如何識(shí)別圖像的種類(lèi)，全面剖析了深度學(xué)習(xí)在實(shí)際中的應(yīng)用。《Python深度學(xué)習(xí)入門(mén)：從基礎(chǔ)知識(shí)到實(shí)踐應(yīng)用》適合人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方向的學(xué)生和技術(shù)人員學(xué)習(xí)，也適合廣大人工智能愛(ài)好者閱讀。通過(guò)《Python深度學(xué)習(xí)入門(mén)：從基礎(chǔ)知識(shí)到實(shí)踐應(yīng)用》你將學(xué)習(xí)以下內(nèi)容：Python的基礎(chǔ)知識(shí)使用遷移學(xué)習(xí)的應(yīng)用程序，及如何將其配置到GCP深度學(xué)習(xí)的基礎(chǔ)和實(shí)際編程技術(shù)使用遷移學(xué)習(xí)的NyanCheck應(yīng)用程序及其在GoogleCloudPlatform上的配置方法《Python深度學(xué)習(xí)入門(mén)：從基礎(chǔ)知識(shí)到實(shí)踐應(yīng)用》特點(diǎn)：簡(jiǎn)單易懂，沒(méi)有Python的基本知識(shí)，按照《Python深度學(xué)習(xí)入門(mén)：從基礎(chǔ)知識(shí)到實(shí)踐應(yīng)用》章節(jié)也可實(shí)現(xiàn)深度學(xué)習(xí)快速入門(mén)數(shù)學(xué)公式少，并且以一種易于理解的方式進(jìn)行解釋實(shí)操演練，使用深度學(xué)習(xí)模型開(kāi)發(fā)Web應(yīng)用程序

作者簡(jiǎn)介

　　木村優(yōu)志，博士，畢業(yè)后曾在ATRtrek公司和富士電機(jī)公司工作，他目前作為ConvergenceLab的技術(shù)主管從事許多AI項(xiàng)目，同時(shí)他也是Aidemy公司的技術(shù)顧問(wèn)。

圖書(shū)目錄

目錄
譯者序
原書(shū)前言
本書(shū)的讀者對(duì)象和閱讀本書(shū)所需的必要知識(shí)
本書(shū)的構(gòu)成
第1 部分 Python入門(mén)篇
第0 章開(kāi)發(fā)環(huán)境的準(zhǔn)備 001
0.1 Anaconda 的安裝 002
0.1.1 Anaconda 的安裝方法 002
0.1.2 虛擬環(huán)境的搭建 006
0.1.3 庫(kù)的安裝 008
0.1.4 Jupyter 的啟動(dòng)和安裝 009
0.2 Google Colaboratory 的使用 012
0.3 macOS 中虛擬環(huán)境的搭建 013
第1 章運(yùn)算、變量和類(lèi)型 017
1.1 輸出Hello world 018
1.1.1 關(guān)于Python 018
1.1.2 使用Python 輸出Hello world 018
1.2 Python 的用途 019
1.3 注釋的輸入 020
1.4 數(shù)字和字符串 021
1.5 運(yùn)算 023
1.6 變量 026
1.6.1 變量的定義 026
1.6.2 變量的命名規(guī)則 026
1.7 變量的更新 030
1.8 字符串的拼接 035
1.9 類(lèi)型 037
1.10 類(lèi)型的轉(zhuǎn)換 040
1.11 比較運(yùn)算符的轉(zhuǎn)換 043
第2 章 if 條件語(yǔ)句 045
2.1 if 語(yǔ)句 046
2.2 else 語(yǔ)句 049
2.3 elif 語(yǔ)句 051
2.4 and、not、or 054
第3 章列表類(lèi)型 057
3.1 列表類(lèi)型① 058
3.2 列表類(lèi)型② 060
3.3 list in list 062
3.4 列表的取值 064
3.5 列表的切片 066
3.6 列表元素的更新和添加 069
3.7 列表元素的刪除 071
3.8 列表類(lèi)型的注意要點(diǎn) 073
第4 章字典類(lèi)型 077
4.1 什么是字典類(lèi)型 078
4.2 字典的取值 080
4.3 字典的更新和添加 082
4.4 字典元素的刪除 084
第5 章 while 語(yǔ)句 087
5.1 什么是while 語(yǔ)句 088
5.2 while 語(yǔ)句的使用 090
5.3 while+if 語(yǔ)句的使用 092
第6 章 for 語(yǔ)句 095
6.1 什么是for 語(yǔ)句 096
6.2 什么是break 語(yǔ)句 098
6.3 什么是continue 語(yǔ)句 100
6.4 for 語(yǔ)句中的索引表示 102
6.5 列表嵌套循環(huán) 104
6.6 字典類(lèi)型的循環(huán) 106
第7 章函數(shù)與方法 109
7.1 函數(shù)的基礎(chǔ)與內(nèi)置函數(shù) 110
7.2 函數(shù)與方法的說(shuō)明 114
7.3 字符串類(lèi)型的方法 117
7.4 字符串類(lèi)型的方法（format） 119
7.5 列表類(lèi)型的方法（index） 121
7.6 列表類(lèi)型的方法（sort） 123
7.7 定義一個(gè)函數(shù) 126
7.8 參數(shù) 128
7.9 多個(gè)參數(shù) 130
7.10 參數(shù)的默認(rèn)值 132
7.11 return 134
7.12 函數(shù)的import 137
第8 章對(duì)象和類(lèi) 141
8.1 對(duì)象 142
8.2 類(lèi)（成員和構(gòu)造方法） 144
8.3 類(lèi)（方法） 147
8.4 字符串的格式化 151
第2 部分
深度學(xué)習(xí)篇
第9 章 NumPy 與數(shù)組 155
9.1 NumPy 簡(jiǎn)介 156
9.2 NumPy 的import 157
9.3 NumPy 與列表的比較 158
9.4 array 的創(chuàng)建 160
9.4.1 關(guān)于array 的創(chuàng)建 160
9.4.2 數(shù)組形狀的指定方法 160
9.4.3 基于數(shù)組范圍創(chuàng)建數(shù)組的方法 161
9.5 元素的訪問(wèn) 163
9.6 np.array 的屬性 165
9.7 slice 167
9.8 數(shù)組特定元素的訪問(wèn) 169
9.9 數(shù)組的運(yùn)算 171
9.10 np.array 的形狀操作 173
9.11 數(shù)組的合并 177
9.12 數(shù)組的分割 179
9.13 數(shù)組的復(fù)制 180
9.14 數(shù)組的多種運(yùn)算 181
9.15 廣播 186
第10 章 Pandas 與DataFrame 189
10.1 Pandas 簡(jiǎn)介 190
10.2 DataFrame 的創(chuàng)建 193
10.3 DataFrame 的表示 195
10.4 統(tǒng)計(jì)量的表示 198
10.5 DataFrame 的排序（sort） 199
10.6 DataFrame 的篩選 201
10.7 特定條件的取值 205
10.8 列的添加 206
10.9 DataFrame 的運(yùn)算 207
10.10 復(fù)雜的運(yùn)算 211
10.11 DataFrame 的合并 213
10.12 分組 218
10.13 圖表的表示 220
第11 章單層感知器 225
11.1 單層感知器簡(jiǎn)介 226
11.1.1 什么是單層感知器 226
11.1.2 關(guān)于單層感知器的學(xué)習(xí) 226
11.2 單層感知器的實(shí)際操作 230
11.2.1 NumPy 和Keras 的模塊導(dǎo)入 230
11.2.2 學(xué)習(xí)網(wǎng)絡(luò)定義 230
11.2.3 神經(jīng)網(wǎng)絡(luò)的輸入和監(jiān)督信號(hào)的設(shè)定 231
11.2.4 學(xué)習(xí)的設(shè)置與實(shí)行 231
11.2.5 學(xué)習(xí)權(quán)重的確認(rèn) 233
11.2.6 學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)的輸出確認(rèn) 234
第12 章深度學(xué)習(xí)入門(mén) 235
12.1 深度學(xué)習(xí)簡(jiǎn)介 236
12.1.1 什么是深度學(xué)習(xí) 236
12.1.2 多層感知器的學(xué)習(xí)方法 236
12.2 CrossEntropy 239
12.3 softmax 240
12.4 SGD 241
12.5 梯度消失問(wèn)題 242
12.6 深度學(xué)習(xí)的應(yīng)用 244
12.7 利用全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi) 246
12.8 利用全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)（CIFAR10） 249
12.9 卷積層神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 253
12.9.1 深度學(xué)習(xí)中層的種類(lèi) 253
12.9.2 什么是卷積層神經(jīng)網(wǎng)絡(luò) 253
12.9.3 卷積層神經(jīng)網(wǎng)絡(luò)的計(jì)算方法 254
12.10 批量正則化 256
12.11 Global Average Pooling 257
12.12 Keras 267
12.12.1 什么是Keras 267
12.12.2 Keras 的Sequence 模型與Model API 267
12.12.3 Keras 的編程實(shí)例 268
第13 章遷移學(xué)習(xí)與NyanCheck 開(kāi)發(fā) 271
13.1 遷移學(xué)習(xí)簡(jiǎn)介 272
13.2 關(guān)于NyanCheck 273
13.3 NyanCheck 應(yīng)用程序的構(gòu)成 274
13.3.1 樣本NyanCheck 應(yīng)用程序的構(gòu)成 274
13.3.2 HTML 的模板 274
13.3.3 腳本的應(yīng)用 276
13.3.4 服務(wù)器端的處理 277
13.3.5 貓種類(lèi)識(shí)別的操作 281
13.4 數(shù)據(jù)的收集、整理和分類(lèi) 284
13.4.1 貓種類(lèi)的判別 284
13.4.2 圖像獲取的操作 286
13.5 數(shù)據(jù)的擴(kuò)充及學(xué)習(xí) 294
13.5.1 模塊的import 294
13.5.2 數(shù)據(jù)的學(xué)習(xí) 294
13.5.3 模型的編譯 297
13.5.4 運(yùn)行應(yīng)用程序 302
13.6 關(guān)于Google Cloud Platform