图解深度学习 - 第3页

...深度学习在场景文字检测与识别方向的重要突破，主要介绍场景文字检测、场景文字识别这两个阶段的算法； 第三篇主要介绍深度学习的其他算法与应用，包括图像翻译、图神经网络、二维结构识别、人像抠图...

...本书首先介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面，从单层网络逐步深入到多层网络、深度神经网络，详细讲解...

...11章介绍了概率图模型的基本概念。第12章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络。第13章介绍深度生成模型：变分自编码器和对抗生成网络。第14章介绍了深度强化学习的知识...

...本书以恢弘的笔触，通过 3 个部分全景展现了深度学习的发展、演变与应用，首次以亲历者视角回溯了深度学习浪潮在过去 60 年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景...

...图像风格迁移”应用为例，全面介绍智能计算系统的软硬件技术栈。第2版以大模型为牵引进行更新，第1章回顾人工智能、智能计算系统的发展历程，第2、3章在介绍深度学习算法知识的基础上增加...

...学习的概念、应用场景及开发环境搭建。第2章详细介绍PyTorch数学基础，包括函数、微分、数理统计、矩阵等基础知识及其案例。第3章介绍数据预处理及常用工具，包括NumPy、Pandas、Matplotlib、数据清洗、特征工程以及深度...

...视觉相关问题，包括图像分类、目标检测和图像分割等；第三部分（第 11~13 章）介绍各种图像处理技术，包括自编码器模型和各种类型的 GAN 模型；第四部分（第 14~18 章）探讨将计算机视觉技术与 NLP、强化学习和 OpenCV...

...图表和工作示例，全面深入地介绍了机器学习的基本技术，并且给出了机器学习背后的原理，使你可以自己建立模型和应用程序。第3版结合TensorFlow 2和scikit-learn的新版本进行了更新，涵盖强化学习和生成...

...了多种用于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...