机读格式显示(MARC)

• 000 01425nam 2200265 450

• 001 0000593579

• 005 20230618083900.0

• 010 __ |a 978-7-115-57533-3 |d CNY99.90

• 100 __ |a 20220214d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 深度学习入门与TensorFlow实践 |A shen du xue xi ru men yu TensorFlowshi jian |b 专著 |f 林炳清著

• 210 __ |a 北京 |c 人民邮电出版社 |d 2022

• 215 __ |a 326页 |c 图 |d 24cm

• 225 2_ |a 深度学习系列 |A Shen Du Xue Xi Xi Lie

• 314 __ |a 林炳清，毕业于新加坡南洋理工大学，获得统计学博士学位，现为深圳大学数学与统计学院副教授和硕士生导师。

• 330 __ |a 本书首先介绍深度学习、线性代数、微积分和概率论相关知识，讨论Python编程相关的基础知识，线性模型中的线性回归模型和logistic模型，梯度下降法，然后讲述深度学习的正向传播算法、反向传播算法及完整训练流程，输出层的激活函数，应用于隐藏层的4个常见激活函数，深度学习的过拟合和欠拟合，以及3种应对过拟合的方法，以及使用TensorFlow 2.0建立深度学习模型，接着介绍卷积神经网络（CNN）及其两个最重要的组成部分--卷积（convolution）和池化（pooling)，如何使用TensorFlow 2.0建立卷积神经网络，最后讨论如何从零开始实现循环神经网络，如何搭建深度学习框架，如何使用TensorFlow 2.0建立循环神经网络模型。

• 461 _0 |1 2001 |a 深度学习系列

• 606 0_ |a 人工智能 |A Ren Gong Zhi Neng |x 算法

• 690 __ |a TP18 |v 5

• 701 _0 |a 林炳清 |A lin bing qing |4 著

• 801 _0 |a CN |b LIB |c 20230617

• 905 __ |a LIB |d TP18/442