当前位置:首页 > 名称

大约有614,437项符合查询结果项。(搜索耗时:0.6579秒)

为您推荐: pytorch深度学习实战 智能系统与技术丛书 深度学习原理与pytorch实战 第2版 title深度强化学习 原理算法与pytorch实战微课视频版 深度学习原理与pytorch实战 pytorch深度学习实战 pytorch深度学习模型开发实战

  • 深度学习实战

    杨云,杜飞著2018 年出版322 页ISBN:9787302491026

    本书把深度学习的理论知识分为七个章的内容,其包括:机器学习,前馈神经网络,深度学习正则化,深度学习优化,卷积神经网络,循环神经网络。每一个章节在其结尾部分会提出深度学习算法模型的实践学习,按照作者的......

  • TensorFlow深度学习算法原理编程实战

    蒋子阳著2019 年出版552 页ISBN:9787517068228

    本书详尽讲述了两方面的内容——深度学习的算法原理及如何使用TensorFlow框架进行编程实践。深度学习的算法原理方面主要包括来人工智能的历史,变革以及现代深度神经网络算法。使用TensorFlow框架进行编程实...

  • 深度学习实战之PaddlePaddle

    潘志宏,王培彬,万智萍,邱泽敏编著2019 年出版272 页ISBN:9787115503329

    本书针对的是PaddlePaddle的初学者,全面讲解了PaddlePaddle的基础知识,并结合官方的文档,把这个框架的实际应用讲解清楚,最后用综合案例,贯穿本书的各个知识点,让读者达到学以致用的目标。...

  • 深度学习 主流框架和编程实战

    赵涓涓,强彦主编2018 年出版214 页ISBN:9787111592396

    本书是利用实例来讲解深度学习框架以及深度学习方法的综合性著作,介绍了四大深度学习框架(TensorFlow、Caffe、Torch和MXNet),还详细介绍了调参、二次接口的编程、迁移学习的模型等内容。...

  • Python 深度学习实战 75个有关神经网络建模、强化学习迁移学习的解决方案

    Indra den Bakker2018 年出版258 页ISBN:9787111598725

    本书以自上而下和自下而上的方法来展示针对不同领域实际问题的深度学习解决方案,包括图像识别、自然语言处理、时间序列预测和机器人操纵等。还讨论了采用诸如TensorFlow、PyTorch、Keras和CNTK等流行的深度...

  • MATLAB计算机视觉深度学习实战

    刘衍琦,詹福宇,蒋献文,周华英编著2017 年出版401 页ISBN:9787121315503

    本书详细讲解了多个基于MATLAB的图像视频处理实用案例(含可运行程序),涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识...

  • 深度学习 从入门到实战

    高志强,黄剑,李永,刘明明编著2018 年出版308 页ISBN:9787113244286

    本书从深度学习的研究范畴、关键技术分析和落地实践三方面帮助读者解析深度学习的方法论;培养其掌握深度学习实战应用的技能,涵盖卷积神经网络、生成式对抗网络、循环神经网络的核心技术及其方法论思想,从而完...

  • TensorFlow深度学习实战

    (波)安东尼奥·古利(Antonio Gulli),(印)阿米塔·卡普尔(Amita Kapoor)著2019 年出版352 页ISBN:9787111615750

    本书介绍如何有效地使用Google的开源框架TensorFlow进行深度学习。你将实现不同的深度学习网络,如卷积神经网络(CNN)、循环神经网络(RNN)、深度Q learning网络(DQN)和生成对抗网络(GAN),并将学习如何使用TensorFlow的...

  • Keras深度学习实战

    (意大利)安东尼奥·古利(Antonio Gulli),(印度)苏伊特·帕尔(Sujit)著2018 年出版232 页ISBN:9787115482228

    本书用当前流行的Keras框架实现了大量深度学习算法,构建了众多深度学习模型,并且介绍了深度学习在游戏等实际场合中的应用,特别是本书还介绍了当前火热的生成对抗网络(GAN)的应用。全书通俗易懂,强调实际案例,适.....

  • 从机器学习深度学习 基于scikit-learnTensorFlow的高效开发实战

    刘长龙著2019 年出版492 页ISBN:9787121355189

    本书共11章,第1章从宏观角度讨论机器学习的分类、方法流程;第2章介绍Python机器学习基础工具;第3~5章围绕scikit—Learn工具讲解回归、聚类、降维等方法的原理实践,其中包括目前最主流的朴素贝叶斯、SVM、La...

出版时间

全部

SAN年(1)

10年(7)

12年(2)

1211年(1)

13年(2)

15年(3)

1565年(1)

16年(1)

1723年(24)

1790年(16)

18年(1)

1821年(11)

1851年(1)

1886年(1)

1887年(1)

1888年(41)

1891年(1)

1897年(32)

1899年(32)

1900年(3)

1901年(1)

1902年(32)

1906年(2)

1907年(2)

1909年(1)

1911年(7)

1912年(133)

1913年(4)

1914年(40)

1915年(71)

1916年(10)

1917年(53)

1918年(35)

1919年(2)

1920年(17)

1921年(26)

1922年(22)

1923年(47)

1924年(41)

1925年(66)

1926年(67)

1927年(97)

1928年(124)

1929年(127)

1930年(192)

1931年(122)

1932年(107)

1933年(246)

1934年(220)

1935年(315)

1936年(567)

1937年(304)

1938年(225)

1939年(158)

1940年(114)

1941年(107)

1942年(64)

1943年(94)

1944年(66)

1945年(76)

1946年(224)

1947年(248)

1948年(241)

1949年(354)

1950年(389)

1951年(476)

1952年(319)

1953年(620)

1954年(771)

1955年(833)

1956年(954)

1957年(1022)

1958年(1655)

1959年(1638)

1960年(927)

1961年(438)

1962年(358)

1963年(446)

1964年(487)

1965年(614)

1966年(270)

1967年(63)

1968年(110)

1969年(100)

1970年(220)

1971年(295)

1972年(478)

1973年(555)

1974年(673)

1975年(820)

1976年(837)

1977年(984)

1978年(1114)

1979年(1619)

1980年(2006)

1981年(2035)

1982年(2634)

1983年(2651)

1984年(2994)

1985年(3893)

1986年(3830)

1987年(4537)

1988年(5137)

1989年(5524)

1990年(5457)

1991年(6083)

1992年(6398)

1993年(7137)

1994年(6804)

1995年(6767)

1996年(7602)

1997年(8401)

1998年(9563)

1999年(10804)

20年(1)

2000年(11951)

2001年(14550)

2002年(16704)

2003年(18387)

2004年(20735)

2005年(23042)

2006年(27216)

2007年(26142)

2008年(27479)

2009年(28142)

2010年(26777)

2011年(27581)

2012年(28480)

2013年(28549)

2014年(27317)

2015年(29913)

2016年(26431)

2017年(23721)

2018年(18504)

2019年(6662)

2020年(280)

21年(1)

22年(3)

2222年(20074)

27年(1)

28年(2)

29年(1)

370年(1)

4年(1)

54年(1)

6年(1)

E21/年(1)

E919年(1)

H152年(1)

I210年(1)

None年(9)

T139年(1)

T36年(1)

TG50年(1)

TK14年(1)

TM71年(1)

TN03年(1)

TP31年(2)

TP36年(1)

V217年(1)

V22/年(1)

V23/年(1)

V231年(5)

V249年(1)

V323年(1)

V43-年(1)

V448年(1)

XXIX年(1)

XXX年(1)

null年(14)

samp年(1)

Ⅴ年(2)

Ⅵ年(2)

Ⅶ年(1)

Ⅸ年(1)

Ⅹ年(1)

ⅩL年(1)

ⅩⅤ年(2)

ⅩⅥ年(1)

ⅩⅧ年(1)

ⅩⅩ年(2)

Ⅻ年(1)

中华年(2)

主题年(4)

化学年(1)

北京年(1)

小説年(3)

平成年(1)

昭和年(5)

机构年(1)

民国年(88)

(瑞典年(1)

(美)理年(1)

(美)迈年(1)

返回顶部