深度学习 - 第1页

本书基于真实数据集，全面系统地阐述现代计算机视觉实用技术、方法和实践，涵盖 50 多个计算机视觉问题。本书内容丰富新颖，语言文字表述清晰，应用实例讲解详细，图例直观形象，适合 PyTorch 初中级读者及计算机视觉相关技术人员阅读。全书分为四部分：第一部分（第 1~3 章）介绍神经网络和 PyTorch 的基础知识，以及如何使用 PyTorch 构建并训练神经网络，包括输入数据缩放、批归一化、超参

深度学习绝非不可窥探的黑箱！深入理解其模型和算法的实际运作机制，是驾驭并优化结果的关键。你无需成为数学专家或资深数据科学家，同样能够掌握深度学习系统内部的工作原理。本书旨在通过深入浅出的方式，为你揭示这些原理，让你在理解和解释自己的工作时更加自信与从容。本书通过平实的语言解析、详尽的代码注释，以及数十个基于 PyTorch 框架的实战示例，逐步引导你探索深度学习的核心概念与实用工具。本书避免了复杂

《理解深度学习》是西蒙·J.D.·普林斯撰写的一本深度学习教材，旨在帮助读者从原理层面理解现代深度学习技术。全书以直观方式讲解神经网络的核心思想，并逐步深入到训练机制、优化算法与模型结构等关键内容。书中涵盖前馈神经网络、卷积神经网络（CNN）、循环神经网络（RNN）以及注意力机制等主流模型，同时结合概率论、线性代数与优化理论解释模型为何能够工作。作者特别强调数学直觉与可解释性，减少单纯“调包调用”

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前最流行的深度学习应用。书中基于目前流行的 PyTorch 框架，运用 Python 语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

Deep Learning Crash Course is a fast-paced, thorough introduction that will have you building today’s most powerful AI models from scratch. No experience with deep learning required! Designed for prog

本书主要内容包括 PyTorch 中的计算图，用三阶多项式拟合函数，实现手写数字识别，神经网络基础，卷积神经网络，PyTorch 基础知识，transformer 架构，文本分类应用开发，聊天机器人应用开发，用 Wav2Vec2 进行语音识别，机器翻译应用开发，分布式 PyTorch 等。

深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由 Hulu 的近 30 位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，第一部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在

本书基于备受读者推崇的王树森“深度强化学习”系列公开视频课，专门解决“入门深度强化学习难”的问题。 本书的独特之处在于：第一，知识精简，剔除一切不必要的概念和公式，学起来轻松；第二，内容新颖，聚焦近 10 年深度强化学习领域的突破，让你一上手就紧跟最新技术。本书系统讲解深度强化学习的原理与实现，但不回避数学公式和各种模型，原创 100 多幅精美插图，并以全彩印刷展示。简洁清晰的语言 + 生动形象的

《深入理解 AutoML 和 AutoDL：构建自动化机器学习与深度学习平台》围绕自动化机器学习（AutoML）与自动化深度学习（AutoDL）展开，系统介绍如何利用算法与工程化平台降低 AI 模型开发门槛。全书从机器学习流程自动化出发，讲解数据预处理、特征工程、模型选择、超参数优化以及神经网络结构搜索（NAS）等关键技术，并分析自动化训练与部署流程的实现方法。 作者是资深的人工智能专家，大型金融

《深度学习：方法及应用》介绍了深度学习的理论与实践。全书围绕深度神经网络展开，从基础概念、典型网络结构、训练技巧到具体的应用案例如语音识别、计算机视觉、自然语言处理和多模态学习等领域进行了全面阐述。每章既讲述方法原理，也注重展示应用效果与实战案例，有助于读者理解深度学习技术如何在信号与信息处理任务中产生变革性影响。该书适合作为高等院校人工智能与机器学习课程的教材，也适合从业者和技术爱好者作为入门与