《深度学习（微课视频版）》（订购）

吕云翔 王志鹏 主编

清华大学出版社

内容简介

　　本书是一本以深度学习为主题的书，目的是让读者尽可能深入地理解深度学习的技术。此外，本书强调将理论与实践结合，简明的案例不仅能加深读者对于理论知识的理解，还能让读者直观感受到实际生产中深度学习技术应用的过程。

　　全书共分为三大部分，共17章。

　　第一部分深度学习理论基础，包括第1－7章。

　　第1章深度学习简介，包括计算机视觉、自然语言处理、强化学习；第2章深度学习框架及其对比，包括PyTorch、TensorFlow、PaddlePaddle，以及三者的比较；第3章机器学习基础知识，包括机器学习概述、监督学习、无监督学习、强化学习、神经网络和深度学习，以及一个案例；第4章回归模型，包括线性回归、Logistic回归、用PyTorch实现Logistic回归；第5章神经网络基础，包括基础概念、感知器、BP神经网络、Dropout正则化、批标准化；第6章卷积神经网络与计算机视觉，包括卷积神经网络的基本思想、卷积操作、池化层、卷积神经网络、经典网络结构、用PyTorch进行手写数字识别；第7章神经网络与自然语言处理，包括语言建模、基于多层感知机的架构、基于循环神经网络的架构、基于卷积神经网络的架构、基于Transformer的架构、表示学习与预训练技术。

　　第二部分深度学习实验，包括第8、9章。

　　第8章操作实践，包括PyTorch操作实践、TensorFlow操作实践、PaddlePaddle操作实践；第9章综合项目实验，包括计算机视觉、自然语言处理、强化学习、可视化技术。

　　第三部分深度学习案例，包括第10－17章。

　　第10章基于ResNet的跨域数据集图像分类；第11章基于YOLO V3的安全帽佩戴检测；第12章基于PaddleOCR的车牌识别，第13章基于PaddleSeg的动物图片语义分割；第14章基于SR CNN图像超分辨率；第15章基于TensorFlowTTS的中文语音合成；第16章基于LSTM的原创音乐生成；第17章基于FastR-NN的视频问答。

本书特色

　　（1）注重理论，联系实际

　　本书为重要的知识点部分配备了典型例题，通过大量的实例，展示了深度学习在图像处理、自然语言处理等领域的应用，使读者能够深入了解实际应用场景。

　　（2）由浅入深，通俗易懂

　　本书用简明易懂的语言描述深度学习的概念和原理，同时配以丰富的图表和实例，读者更易于理解和掌握。

　　（3）内容丰富，系统全面

　　本书内容按照从基础到高级的顺序进行排列，涵盖了深度学习的基础知识、常用模型以及实践中的技巧和工具，从理论到实践全面覆盖，读者可以逐步深入地了解深度学习的各个方面。

　　（4）结合实际，方便实用

　　本书介绍了多种常用的深度学习框架和工具的使用方法，包括TensorFlow、PyTorch、PaddlePaddle等，能够让读者快速上手实践。

配套资源

　　为便于教与学，本书配有微课视频、源代码、教学课件、教学大纲、习题答案。

读者对象

　　本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等学校计算机科学、软件工程等相关专业的师生阅读。

来源：清华大学出版社