反馈文件质量
upload/chinese_2025_10/ptpress/55564.epub
Python深度学习入门： 从零构建CNN和RNN/#/Python深度学习入门： 从零构建CNN和RNN [[No Pinyin Available 🔍
美 塞思·韦德曼(Seth Weidman) 著 人民邮电出版社, 1st edition, Erscheinungsort nicht ermittelbar, 2021
中文 [zh] · EPUB · 4.6MB · 2021 · 📗 未知类型的图书 · 🚀/duxiu/upload · Save
描述
本书全面介绍了深度学习知识,借助数学公式、示意图和代码,旨在帮助读者从数学层面、概念层面和应用层面理解神经网络。读者可以跟随本书构建和训练神经网络模型,从而解决实际问题。另外,本书着重介绍卷积神经网络和循环神经网络,并提供PyTorch开源神经网络库的使用方法,有助于学习构建更高级的神经网络架构。
备用文件名
ptpress/55564.epub
备选标题
Python娣卞害瀛〈範鍏ラ棬锛氫粠闆舵瀯寤篊NN鍜孯NN (as-gbk-encoding)
备用出版商
The People's Posts and Telecommunications Publishing House
备用出版商
Posts & Telecom Press
备用版本
China, People's Republic, China
元数据中的注释
Author memo for [美]塞思·韦德曼（Seth Weidman）: 塞思·韦德曼（Seth Weidman）,SentiLink公司数据科学家。他曾在Facebook公司从事数据科学工作,并为多家企业开发了深度学习培训课程。塞思善于通过简单明了的方式解释复杂的概念。除了讲授课程,他还热衷于技术写作,并撰写了大量PyTorch教程。
元数据中的注释
Type: 当代图书
元数据中的注释
Type: modern
备用描述
深度学习技术的发展如火如荼,这些知识正迅速成为机器学习从业者甚至许多软件开发工程师的“加分项”。深度学习是一个立体的领域,仅从数学层面或代码层面学习,难免以偏概全,无法融会贯通。 本书作者认为,理解深度学习和神经网络需要多种思维模型。因此,本书从数学、示意图、Python代码三个维度帮助你立体地理解每一个概念,带你领略深度学习领域的全貌,从内到外地理解构建神经网络的每一步。你将学到以下内容。 为理解深度学习的概念和原理构建多种思维模型。 掌握嵌套函数、链式法则等数学概念。 掌握学习率衰减、权重初始化、dropout等优化技巧。 从零构建CNN和RNN等常见的神经网络架构。 使用PyTorch实现神经网络。
开源日期
2025-10-27
更多信息……

🚀 快速下载

成为会员以支持书籍、论文等的长期保存。为了感谢您对我们的支持，您将获得高速下载权益。❤️

🐢 低速下载

由可信的合作方提供。 更多信息请参见常见问题解答。 （可能需要验证浏览器——无限次下载！）

所有选项下载的文件都相同，应该可以安全使用。即使这样，从互联网下载文件时始终要小心。例如，确保您的设备更新及时。
显示外部下载
  • 对于大文件，我们建议使用下载管理器以防止中断。
    推荐的下载管理器：JDownloader
  • 您将需要一个电子书或 PDF 阅读器来打开文件，具体取决于文件格式。
    推荐的电子书阅读器：Anna的档案在线查看器、ReadEra和Calibre
  • 使用在线工具进行格式转换。
    推荐的转换工具：CloudConvert和PrintFriendly
  • 您可以将 PDF 和 EPUB 文件发送到您的 Kindle 或 Kobo 电子阅读器。
    推荐的工具：亚马逊的“发送到 Kindle”和djazz 的“发送到 Kobo/Kindle”
  • 支持作者和图书馆
    ✍️ 如果您喜欢这个并且能够负担得起，请考虑购买原版，或直接支持作者。
    📚 如果您当地的图书馆有这本书，请考虑在那里免费借阅。