|
书名：
|
动手学深度学习.PyTorch版
|
|
|
作者：
|
张
著
；何孝霆
，
胡
译
|
|
出版信息：
|
北京
人民邮电出版社
2023
|
|
开本页数：
|
26cm
572页
|
|
丛书名：
|
|
|
单 册：
|
|
|
中图分类：
|
TP181
|
|
科图分类：
|
|
|
主题词：
|
机器学习
|
|
电子资源：
|
|
|
ISBN：
|
978-7-115-60080-6
|
|
000
|
01319nam0 2200277 450
|
|
001
|
0200707455
|
|
005
|
20240429105909.1
|
|
010
|
|
@a978-7-115-60080-6@b精装@dCNY229.80
|
|
100
|
|
@a20230424d2023 em y0chiy50 ea
|
|
101
|
1
|
@achi@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a动手学深度学习.PyTorch版@9dong shou xue shen du xue xi@dDive into deep learning@e@f阿斯顿·张(Aston Zhang)[等]著@g何孝霆，瑞潮儿·胡(Rachel Hu)译@zeng
|
|
210
|
|
@a北京@c人民邮电出版社@d2023
|
|
215
|
|
@a572页@c图@d26cm
|
|
304
|
|
@a著者还有：(美)扎卡里·C. 立顿(Zachary C. Lipton)、李沐(Mu Li)、(德)亚历山大·J. 斯莫拉(Alexander J. Smola)
|
|
330
|
|
@a本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。
|
|
510
|
1
|
@aDive into deep learning@zeng
|
|
606
|
0
|
@a机器学习
|
|
690
|
|
@aTP181@v5
|
|
701
|
0
|
@a张@9zhang@c(Zhang, Aston)@4著
|
|
702
|
0
|
@a何孝霆@9he xiao ting@c(He, Xiao ting)@4译
|
|
702
|
0
|
@a胡@9hu@c(Hu, Rachel)@4译
|
|
801
|
|
@aCN@bZZZD@c20240429
|
|
905
|
|
@dTP181@e11/XGXY@f1
|
|
|
|
|
| |
| 动手学深度学习.PyTorch版=Dive into deep learning/阿斯顿·张(Aston Zhang)[等]著/何孝霆，瑞潮儿·胡(Rachel Hu)译.-北京：人民邮电出版社，2023 |
| 572页：图；26cm |
| |
| |
| ISBN 978-7-115-60080-6(精装)：CNY229.80 |
| 本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。 |
| ● |
正题名：动手学深度学习.PyTorch版
索取号：TP181/11/XGXY
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1313680
|
213136809
|
信息工程学院资料室/
[索取号:TP181/11/XGXY]
|
在馆
|
架位导航
|
