深度学习 入门与实践pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

深度学习 入门与实践PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论 1

1.1 引言 1

1.2 基本概念 3

1.2.1 回归、分类、聚类 6

1.2.2 监督学习、非监督学习、半监督学习、强化学习 8

1.2.3 感知机、神经网络 9

1.3 发展历程 11

1.4 相关学者与会议或赛事 12

1.5 本章小结 16

参考文献 17

第2章 回归 18

2.1 线性回归 19

2.1.1 问题描述 19

2.1.2 问题求解 20

2.1.3 工具实现 28

2.2 逻辑回归 35

2.2.1 问题描述 35

2.2.2 问题求解 37

2.2.3 工具实现 39

2.3 本章小结 43

参考文献 43

第3章 人工神经网络 44

3.1 Rosenblatt感知机 45

3.1.1 训练方法 47

3.1.2 算法实例 48

3.1.3 梯度下降 54

3.2 人工神经网络 55

3.2.1 网络架构 55

3.2.2 训练方法 56

3.2.3 算法实例 61

3.3 本章小结 72

参考文献 72

第4章 Caffe简介 73

4.1 CNN原理 74

4.1.1 卷积 75

4.1.2 池化 82

4.1.3 LeNet-5 84

4.2 Caffe架构 86

4.2.1 Blob类 87

4.2.2 Layer类 88

4.2.3 Net类 92

4.2.4 Solver类 93

4.3 Caffe应用实例 94

4.3.1 车型识别 95

4.3.2 目标检测 125

4.4 本章小结 141

参考文献 142

第5章 TensorFlow简介 143

5.1 TensorFlow架构 144

5.2 TensorFlow简单应用 149

5.2.1 TensorFlow安装 149

5.2.2 线性回归 150

5.3 TensorFlow高级应用 153

5.3.1 MNIST手写数字识别 153

5.3.2 车型识别 167

5.4 本章小结 171

参考文献 172

第6章 强化学习简介 173

6.1 强化学习基本原理 174

6.2 AlphaGo基本架构 178

6.3 其他趣味应用 183

6.4 本章小结 186

参考文献 187

后记 188