搜索
java python go vue ev4 人工智能 架构师 前端 网课 素材
优百课栈 › 知识城堡 › 电子书库 › 《卷积神经网络的Python实现》_单健华_2019-01-01 ...
返回列表 发新帖

《卷积神经网络的Python实现》_单健华_2019-01-01

[复制链接]
online_admin aixure 发表于 2023-1-21 15:35:20 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
153512f91ii3xzti0puzwi
售 价: ￥5￥89加入会员，免费下载
库 存:9999 件
销 量:12 件
源 址:
卖家服务:  
客 服:QQ（早10点-晚6点）
立即购买
立即购买
资源详情
内容简介[url=]编辑[/url][url=] 播报[/url]
卷积神经网络是深度学习重要的模型之一。本书是卷积神经网络领域的入门读物，假定读者不具备任何机器学习知识。书中尽可能少地使用数学知识，从机器学习的概念讲起，以卷积神经网络的最新发展结束。
本书首先简单介绍了机器学习的基本概念，详细讲解了线性模型、神经网络和卷积神经网络模型，然后介绍了基于梯度下降法的优化方法和梯度反向传播算法，接着介绍了训练网络前的准备工作、神经网络实战、卷积神经网络的应用及其发展。针对每个关键知识点，书中给出了基于NumPy 的代码实现，以及完整的神经网络和卷积神经网络代码实现，方便读者训练网络和查阅代码。
本书既可以作为卷积神经网络的教材，也可以供对卷积神经网络感兴趣的工程技术人员和科研人员参考。 [1]

图书目录[url=]编辑[/url][url=] 播报[/url]
第 一部分　模型篇
第　1章 机器学习简介　2
1.1　引言　2
1.2　基本术语　3
1.3　重要概念　5
1.4　图像分类　12
1.5　MNIST数据集简介　15
第　2章 线性分类器　17
2.1　线性模型　17
2.1.1　线性分类器　18
2.1.2　理解线性分类器　19
2.1.3　代码实现　21
2.2　softmax损失函数　22
2.2.1　损失函数的定义　23
2.2.2　概率解释　24
2.2.3　代码实现　25
2.3　优化　26
2.4　梯度下降法　26
2.4.1　梯度的解析意义　27
2.4.2　梯度的几何意义　29
2.4.3　梯度的物理意义　29
2.4.4　梯度下降法代码实现　29
2.5　牛顿法　30
2.6　机器学习模型统一结构　31
2.7　正则化　33
2.7.1　范数正则化　34
2.7.2　提前终止训练　37
2.7.3　概率的进一步解释　38
第3章　神经网络　39
3.1　数学模型　39
3.2　激活函数　41
3.3　代码实现　44
3.4　学习容量和正则化　45
3.5　生物神经科学基础　48
第4章　卷积神经网络的结构　50
4.1　概述　50
4.1.1　局部连接　51
4.1.2　参数共享　52
4.1.3　3D特征图　52
4.2　卷积层　53
4.2.1　卷积运算及代码实现　54
4.2.2　卷积层及代码初级实现　57
4.2.3　卷积层参数总结　63
4.2.4　用连接的观点看卷积层　64
4.2.5　使用矩阵乘法实现卷积层运算　67
4.2.6　批量数据的卷积层矩阵乘法的代码实现　69
4.3　池化层　74
4.3.1　概述　74
4.3.2　池化层代码实现　76
4.4　全连接层　79
4.4.1　全连接层转化成卷积层　80
4.4.2　全连接层代码实现　82
4.5　卷积网络的结构　83
4.5.1　层的组合模式　83
4.5.2　表示学习　86
4.6　卷积网络的神经科学基础　87
第二部分　优化篇
第5章　基于梯度下降法的最优化方法　90
5.1　随机梯度下降法SGD　91
5.2　基本动量法　93
5.3　Nesterov动量法　95
5.4　AdaGrad　95
5.5　RMSProp　97
5.6　Adam　98
5.7　AmsGrad　99
5.8　学习率退火　99
5.9　参数初始化　100
5.10　超参数调优　101
第6章　梯度反向传播算法　104
6.1　基本函数的梯度　104
6.2　链式法则　105
6.3　深度网络的误差反向传播算法　107
6.4　矩阵化　109
6.5　softmax损失函数梯度计算　111
6.6　全连接层梯度反向传播　112
6.7　激活层梯度反向传播　113
6.8　卷积层梯度反向传播　115
6.9　最大值池化层梯度反向传播　118
第三部分　实战篇
第7章　训练前的准备　124
7.1　中心化和规范化　124
7.1.1　利用线性模型推导中心化　125
7.1.2　利用属性同等重要性推导规范化　126
7.1.3　中心化和规范化的几何意义　128
7.2　PCA和白化　128
7.2.1　从去除线性相关性推导PCA　129
7.2.2　PCA代码　130
7.2.3　PCA降维　131
7.2.4　PCA的几何意义　133
7.2.5　白化　134
7.3　卷积网络在进行图像分类时如何预处理　135
7.4　BN　136
7.4.1　BN前向计算　136
7.4.2　BN层的位置　137
7.4.3　BN层的理论解释　138
7.4.4　BN层在实践中的注意事项　139
7.4.5　BN层的梯度反向传播　140
7.4.6　BN层的地位探讨　141
7.4.7　将BN层应用于卷积网络　141
7.5　数据扩增　142
7.6　梯度检查　144
7.7　初始损失值检查　146
7.8　过拟合微小数据子集　146
7.9　监测学习过程　147
7.9.1　损失值　147
7.9.2　训练集和验证集的准确率　148
7.9.3　参数更新比例　149
第8章　神经网络实例　150
8.1　生成数据　150
8.2　数据预处理　152
8.3　网络模型　153
8.4　梯度检查　156
8.5　参数优化　158
8.6　训练网络　159
8.7　过拟合小数据集　162
8.8　超参数随机搜索　162
8.9　评估模型　165
8.10　程序组织结构　165
8.11　增加BN层　167
8.12　程序使用建议　171
第9章　卷积神经网络实例　172
9.1　程序结构设计　173
9.2　激活函数　173
9.3　正则化　174
9.4　优化方法　175
9.5　卷积网络的基本模块　176
9.6　训练方法　181
9.7　VGG网络结构　186
9.8　MNIST数据集　197
9.9　梯度检测　199
9.10　MNIST数据集的训练结果　202
9.11　程序使用建议　205
第　10章 卷积网络结构的发展　206
10.1　全局平均池化层　206
10.2　去掉池化层　208
10.3　网络向更深更宽发展面临的困难　209
10.4　ResNet向更深发展的代表网络　210
10.5　GoogLeNet向更宽发展的代表网络　213
10.6　轻量网络　215
10.6.1　1×1深度维度卷积代码实现　217
10.6.2　3×3逐特征图的卷积代码实现　219
10.6.3　逆残差模块的代码实现　222
10.7　注意机制网络SENet　223

卷积 神经 神经网络 网络 实现
温馨提示：
1、如果下载地址失效，请尽快反馈给我们，我们尽快修复。点此反馈>>
2、全站资源高清无密，课程百分百高清，完整，原画，包含所有的视频+素材+课件+源码，官方同步体验！每天更新，成为vip后可免费下载本站IT课程。点此办理会员>>
3、有任何问题，请咨询QQ：87887023
4、支持7*24小时自助购买，购买后自动发货，链接永久有效，自动更新

相关帖子
回复

使用道具 举报

返回列表 发表新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 注册

本版积分规则

plugin
aixure管理员

关注0

粉丝0

帖子5133

发布主题
一周下载排行最近7x24小时热帖
最新发布
ads3
专注资源整合与知识分享
客服QQ

87887023

周一至周日9:00-23:00

反馈建议

点此进行反馈 kfs 在线QQ咨询
ftqrcode

扫描二维码关注我们

label_sm_90020

Powered by 优百课栈 X3.4© 2019-2025