机读格式显示(MARC)
- 000 02259nam0 22003491 450
- 010 __ |a 978-7-115-60082-0 |d CNY109.80
- 100 __ |a 20231120d2023 em y0chiy50 ea
- 200 1_ |a 动手学深度学习 |A dong shou xue shen du xue xi |e PyTorch版 |f 阿斯顿·张 ... [等] 著 |d = Dive into deep learning |f Aston Zhang |g 何孝霆, 瑞潮儿·胡译 |z eng
- 210 __ |a 北京 |c 人民邮电出版社 |d 2023.02
- 215 __ |a 572页, [8] 页图版 |c 图 |d 26cm
- 304 __ |a 题名页题其余责任者: 扎卡里·C. 立顿, 李沐, 亚历山大·J. 斯莫拉
- 314 __ |a 阿斯顿·张, 亚马逊资深科学家, 美国伊利诺伊大学香槟分校计算机科学博士, 统计学和计算机科学双硕士。扎卡里·C. 立顿, 美国卡内基梅隆大学机器学习和运筹学助理教授, 并在海因茨公共政策学院以及软件和社会系统系担任礼节性任命。李沐, 亚马逊资深首席科学家, 美国加利福尼亚大学伯克利分校、斯坦福大学客座助理教授。亚历山大·J. 斯莫拉, 亚马逊副总裁/杰出科学家, 德国柏林工业大学计算机科学博士。何孝霆, 亚马逊应用科学家, 中国科学院软件工程硕士。瑞潮儿·胡, 亚马逊应用科学家, 美国加利福尼亚大学伯克利分校统计学硕士, 加拿大滑铁卢大学数学学士。
- 320 __ |a 有书目 (第562-572页)
- 330 __ |a 本书是《动手学深度学习》的升级版本, 选用经典的PyTorch深度学习框架, 旨在向读者交付更为便捷的有关深度学习的交互式学习体验。这一版本重新修订《动手学深度学习》的所有内容, 并针对技术的发展, 新增注意力机制、预训练等内容。本书共包含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_ |a Dive into deep learning |z eng
- 517 1_ |a PyTorch版 |A Pytorch Ban
- 606 0_ |a 机器学习 |A ji qi xue xi
- 701 _1 |a 张 |A zhang |g (Zhang, Aston) |4 著
- 701 _1 |a 立顿 |A li dun |g (Lipton, Zachary C.) |4 著
- 701 _0 |a 李沐 |A li mu |4 著
- 701 _1 |a 斯莫拉 |A si mo la |g (Smola, Alexander J.) |4 著
- 702 _0 |a 何孝霆 |A he xiao ting |4 译
- 702 _1 |a 胡 |A hu |g (Hu, Rachel) |4 译
- 801 _0 |a CN |b 辽批 |c 20231120
- 905 __ |a AUSTL |d TP181/Z100A23-3