神经网络与深度学习（吴岸城） - 第2页

...与基本使用，并结合 PaddlePaddle 接口介绍深度学习的基础知识，包括常用的神经网络和算法。最后，通过一系列深度学习项目实例介绍 PaddlePaddle 在各种场景和问题中的应用，让读者由浅至深地理解并运用深度学习...

...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，大型金融集团科技公司深度学习平台和 AutoML 平台负责人。本书得到了...

...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、超参数调整等；第二部分（第 4~10 章）介绍如何使用卷积神经网络、迁移学习等技术解决更复杂的视觉相关...

...你将了解JavaScript与深度学习结合的独特优势，掌握客户端预测与分析、图像识别、监督学习、迁移学习、强化学习等核心概念，并动手在浏览器中实现计算机视觉和音频处理以及自然语言处理，构建并训练神经网络...

...中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括 BERT 和 GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关...

...文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。本书还介绍了深度学习的新动态，包括图神经网络和用于自然语言处理...

...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...

...对机器学习、深度学习、神经网络、大语言模型以及生成式人工智能等关键技术进行了深入浅出的解读。作者通过大量案例和现实场景分析，让复杂的技术原理变得更加容易理解。与侧重工具使用或编程...

...全面，从基础的神经网络、卷积神经网络、循环神经网络等入门知识，到深度学的应用领域如计算机视觉、自然语言处理等主题都有涉及。本书具有丰富的趣味、互动和实践，可以帮助读者更好地理解深度学知识...

...优化器等。第5章介绍PyTorch深度神经网络，包括神经网络概述、卷积神经网络、循环神经网络等。第6章介绍PyTorch数据建模，包括回归分析、聚类分析、主成分分析、模型评估与调优等。