作品简介
本书由微软亚洲研究院的资深AI工程师撰写，是一本面向初学者的、以实战为导向的深度学习指南。本书首先详细讲解了深度学习的知识体系、核心概念、模型与算法、工具和库（TensorFlow等）等全栈技术知识，然后以案例的形式讲解了如何将这些知识应用到计算机视觉、自然语言处理、语音识别、对话机器人、人脸识别、自动驾驶领域。
高彦杰、于子叶编著。
- 书名
深度学习：核心技术、工具与案例解析
智能系统与技术丛书 - 作者高彦杰于子叶
- 出版社机械工业出版社 / 2018-07
- 字数约 94,000 字
- 全本定价￥30.00
作品目录
- 前言
- 第1章 了解深度学习
- 1.1 什么是深度学习
- 1.2 深度学习的技术发展
- 1.3 深度学习的知识点汇总
- 1.4 深度学习工具与平台介绍
- 1.5 本章小结
- 1.6 参考资料
- 第2章 深度学习技术
- 2.1 深度学习基础
- 2.2 CNN
- 2.3 RNN
- 2.4 最优化算法
- 2.5 本章小结
- 第3章 TensorFlow基础
- 3.1 TensorFlow
- 3.2 获取与安装
- 3.3 变量及作用域
- 3.4 构建计算图
- 3.5 全连接网络构建
- 3.6 CNN构建
- 3.7 RNN构建
- 3.8 多架构运行
- 3.9 队列使用
- 3.10 本章小结
- 第4章 TensorFlow进阶
- 4.1 TensorFlow架构与原理
- 4.2 TensorFlow扩展
- 4.3 Tensorboard与问题监控
- 4.4 改善深度神经网络
- 4.5 性能优化建议
- 4.6 深度神经网络结构
- 4.7 本章小结
- 第5章 语音识别器
- 5.1 任务分析
- 5.2 数据与特征分析
- 5.3 主流语音识别网络结构
- 5.4 CTC Loss
- 5.5 文本向量化
- 5.6 完整构建神经网络
- 5.7 数据训练
- 5.8 参数调优
- 5.9 实际数据分析
- 5.10 本章小结
- 第6章 对话机器人
- 6.1 对话机器人概述与应用领域
- 6.2 对话机器人主流技术
- 6.3 对话机器人的前沿与功能扩展
- 6.4 深度学习对话机器人原理
- 6.5 构建对话机器人
- 6.6 本章小结
- 第7章 人脸识别器
- 7.1 任务分析
- 7.2 Detection、Aliment与Identify
- 7.3 数据特征分析
- 7.4 haar分类器方式
- 7.5 神经网络方法演进
- 7.6 人脸识别网络构建
- 7.7 主流人脸识别网络差异分析
- 7.8 TensorFlow搭建网络
- 7.9 参数调优
- 7.10 实战分析
- 7.11 本章小结
- 第8章 自动驾驶
- 8.1 自动驾驶的介绍与应用领域
- 8.2 自动驾驶技术
- 8.3 深度增强学习
- 8.4 行车检测
- 8.5 端到端自动驾驶
- 8.6 本章小结
- 8.7 参考资料
- 第9章 可视化实践
- 9.1 可视化发展
- 9.2 可视化过程
- 9.3 Matplotlib
- 9.4 ECharts
- 9.5 可视化实践
- 9.6 三维可视化
- 9.7 动态可视化
- 9.8 本章小结
- 第10章 优化实践
- 10.1 通用深度神经网络训练优化建议
- 10.2 深度学习系统性能优化建议
- 10.3 工程实践建议
- 10.4 本章小结