会员
Python深度学习（第2版）
更新时间：2022-09-14 15:45:19 最新章节：看完了
书籍简介
本书由流行深度学习框架Keras之父弗朗索瓦·肖莱执笔，通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号，转而采用Python代码来解释深度学习的核心思想。全书共计14章，既涵盖了深度学习的基本原理，又体现了这一迅猛发展的领域在近几年里取得的重要进展，包括Transformer架构的原理和示例。读完本书后，你将能够使用Keras解决从计算机视觉到自然语言处理等现实世界的诸多问题，包括图像分类、图像分割、时间序列预测、文本分类、机器翻译、文本生成等。
品牌：人邮图书
译者：张亮
上架时间：2022-08-01 00:00:00
出版社：人民邮电出版社
本书数字版权由人邮图书提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
(美)弗朗索瓦·肖莱
- 会员本书由Keras之父、现任Google人工智能研究员的弗朗索瓦·肖莱（Franc?oisChollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、程序设计15.7万字
同类热门书
最新上架
- 会员本书从分布式系统的基础概念讲起，随后介绍分布式系统中间件SpringCloudAlibaba进阶实战，重点介绍了使用SpringCloudAlibaba框架整合各种分布式组件的完整过程。计算机3.1万字
- 会员本书共15章，第1章讲解了ChatGPT的功能及在编程学习中的作用；第2章讲解了Python的语言特点及开发环境的搭建；第3-10章讲解了Python的语言基础，包括输入与输出、变量与类型、运算、控制流、函数、列表、字典、模块；第11-13章介绍了使用Python进行文件操作、网络爬虫的相关操作，以及面向对象程序设计；第14-15章介绍了ChatGPT工具在编程中的应用，包括利用它进行辅助开发和在计算机14.6万字
- 会员本书从网络工程师的视角出发，详细讲解了Python在网络运维自动化中的应用，其中涉及Python网络运维自动化的相关技术、工具以及实践。本书共10章，先对Python网络运维自动化进行了全面的概述，然后讲解了网络工程师所需的Python基础、数据格式与数据建模语言的相关知识。接着，本书介绍了网络配置的结构化数据提取、网络配置的模块化管理、Netmiko详解与实践、模型驱动的新网络管理方式及实践、网计算机13.3万字
- 会员Three.js在过去几年中已经成为创建令人惊叹的3DWebGL内容的标准方式。本书探讨Three.js的所有特性，并提供额外的内容，包括如何将Three.js与Blender、React、TypeScript以及最新的物理引擎进行集成。本书共分为四个部分：第一部分介绍搭建开发环境和运行Three.js；第二部分介绍Three.js的核心组件；第三部分介绍如何创建复杂的几何体、动画和纹理；第四部计算机13.3万字
- 会员本书介绍了Docker和Kubernetes的相关知识，可以帮助读者快速了解并熟练配置Kubernetes。本书共分为16章。首先介绍了Docker基础和Docker进阶；然后介绍了Kubernetes的基础操作，包括部署Kubernetes集群、升级Kubernetes、创建及管理Pod等；之后重点介绍了存储管理、密码管理、Deployment、DaemonSet及其他控制器、探针、Job、服务计算机8.6万字
- 会员本书以昇腾算子编程语言AscendC的高效开发为核心，系统介绍华为面向人工智能的昇腾AI处理器架构、硬件抽象及其软件栈。本书由浅入深，通过案例讲解知识点，理论与实践并重。全书分为6章，分别介绍了昇腾AI处理器软硬件架构、AscendC快速入门、AscendC编程模型与编程范式、AscendC算子开发流程、AscendC算子调试调优和AscendC大模型算子优化。本书适合人工智能产业的研计算机9.8万字
- 会员本书系统地介绍了如何利用AI助手Copilot和ChatGPT来提升Python编程的效率和质量。本书从AI助手的基础概念讲起，逐步深入到代码组织、阅读、测试、提示工程等关键技能，并引导读者通过实践掌握如何拆解复杂问题、查找和修复bug、自动化任务处理及开发计算机游戏。本书不仅提供了丰富的实例和练习，还探讨了AI助手的潜力和局限，以及未来的发展趋势，是希望在编程领域融入AI技术的读者的理想选择。本计算机17.2万字
- 会员近年来，人工智能技术得到了快速发展，并在金融风险管理领域逐渐渗透。本书旨在引导读者了解金融风险建模背后的理论，学会在金融风险管理业务中运用Python语言和一系列机器学习模型。本书分为三部分，第一部分（第1～3章）介绍风险管理的基础知识，第二部分（第4～8章）通过一系列案例将机器学习模型运用到市场风险管理、信用风险管理、流动性风险管理和运营风险管理等场景，第三部分（第9章、第10章）讲解如何对其他计算机8.6万字