亚洲综合伊人,成人欧美一区二区三区视频不卡,欧美日韩在线高清,日韩国产午夜一区二区三区,大胆美女艺术,一级毛片毛片**毛片毛片,你瞅啥图片

您當前的位置是:  首頁 > 資訊 > 文章精選 >
 首頁 > 資訊 > 文章精選 >

深度學習與MindSpore實踐

2020-06-08 09:23:32   作者:   來源:CTI論壇   評論:0  點擊:


  作者簡介
  陳雷:香港科技大學計算機科學與工程系教授,大數(shù)據(jù)研究所主任,IEEE Fellow和ACM杰出科學家。研究方向包括數(shù)據(jù)驅動AI、人力機器學習、知識圖譜、社交媒體上的數(shù)據(jù)挖掘等。在國際著名期刊和會議上發(fā)表300余篇論文,曾獲得2015年SIGMOD時間測試獎。現(xiàn)任VLDB 2019程序委員會聯(lián)合主席、VLDB期刊主編、IEEE TKDE期刊副總編輯、VLDB Endowment執(zhí)行成員。
  內容簡介
  本書系統(tǒng)地介紹了深度學習理論,并基于MindSpore AI計算框架進行實踐。全書共分14章,內容涵蓋深度學習概況、深度學習基礎知識、深度神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、無監(jiān)督學習、深度強化學習、自動化機器學習、端云協(xié)同、深度學習可視化及深度學習的數(shù)據(jù)準備等。為便于讀者學習,書中還給出了基于MindSpore實現(xiàn)的關于深度學習的開發(fā)實例及線上資源。本書可作為普通高等學校人工智能、智能科學與技術、計算機科學與技術、電子信息工程、自動化等專業(yè)的本科生及研究生教材,也可作為從事深度學習相關工作的軟件開發(fā)工程師與科研人員的學習、參考用書。
  圖書目錄
  第1章引言
  1.1人工智能的歷史變遷
  1.2什么是深度學習
  1.3深度學習的現(xiàn)實應用
  1.3.1自動語音識別
  1.3.2圖像識別
  1.3.3自然語言處理
  1.3.4其他領域
  1.4本書的組織架構
  1.5MindSpore簡介
  1.5.1編程簡單
  1.5.2端云協(xié)同
  1.5.3調試輕松
  1.5.4性能卓越
  1.5.5開源開放
  第2章深度學習基礎知識
  2.1回歸問題算法
  2.2梯度下降算法
  2.3分類問題算法
  2.4過擬合與欠擬合
  第3章深度神經(jīng)網(wǎng)絡
  3.1前向網(wǎng)絡
  3.2反向傳播
  3.3泛化能力
  3.4用MindSpore實現(xiàn)簡單神經(jīng)網(wǎng)絡
  3.4.1各層參數(shù)說明
  3.4.2詳細步驟
  第4章深度神經(jīng)網(wǎng)絡的訓練
  4.1深度學習系統(tǒng)面臨的主要挑戰(zhàn)
  4.1.1大數(shù)據(jù)集需求
  4.1.2硬件需求
  4.1.3過擬合
  4.1.4超參數(shù)優(yōu)化
  4.1.5不透明性
  4.1.6缺少靈活性
  4.2正則化
  4.2.1L2范數(shù)正則化
  4.2.2L1范數(shù)正則化
  4.3Dropout
  4.4自適應學習率
  4.4.1AdaGrad
  4.4.2RMSProp
  4.4.3Adam
  4.5批標準化
  4.6用MindSpore 實現(xiàn)深度神經(jīng)網(wǎng)絡
  4.6.1各層參數(shù)說明
  4.6.2詳細步驟
  第5章卷積神經(jīng)網(wǎng)絡
  5.1卷積操作
  5.2池化
  5.3殘差網(wǎng)絡
  5.4應用:圖片分類
  5.5用MindSpore實現(xiàn)基于卷積神經(jīng)網(wǎng)絡圖片分類
  5.5.1加載MindSpore模塊
  5.5.2定義ResNet網(wǎng)絡結構
  5.5.3設置超參數(shù)
  5.5.4導入數(shù)據(jù)集
  5.5.5訓練模型
  第6章循環(huán)神經(jīng)網(wǎng)絡
  6.1循環(huán)神經(jīng)網(wǎng)絡概述
  6.2深度循環(huán)神經(jīng)網(wǎng)絡
  6.3長期依賴的挑戰(zhàn)
  6.4長短期記憶網(wǎng)絡和門控循環(huán)神經(jīng)網(wǎng)絡
  6.4.1長短期記憶網(wǎng)絡
  6.4.2門控循環(huán)神經(jīng)網(wǎng)絡
  6.5應用:文本預測
  6.6用MindSpore實現(xiàn)基于長短期記憶網(wǎng)絡的文本預測
  6.6.1加載MindSpore模塊
  6.6.2數(shù)據(jù)準備
  6.6.3定義網(wǎng)絡
  6.6.4參數(shù)介紹
  6.6.5訓練模型
  參考文獻
  第7章無監(jiān)督學習:詞向量
  7.1Word2Vec
  7.1.1提出背景
  7.1.2發(fā)展現(xiàn)狀
  7.1.3技術原理
  7.1.4技術難點
  7.1.5應用場景
  7.1.6框架模塊
  7.2GloVe
  7.2.1提出背景
  7.2.2發(fā)展現(xiàn)狀
  7.2.3技術原理
  7.2.4技術難點
  7.2.5應用場景
  7.2.6框架模塊
  7.3Transformer
  7.3.1提出背景
  7.3.2發(fā)展現(xiàn)狀
  7.3.3技術原理
  7.3.4技術難點
  7.3.5應用場景
  7.3.6框架模塊
  7.4BERT
  7.4.1提出背景
  7.4.2發(fā)展現(xiàn)狀
  7.4.3技術原理
  7.4.4技術難點
  7.4.5應用場景
  7.4.6框架模塊
  7.5詞向量典型生成算法對比
  7.6應用:自動問答
  7.6.1自動問答的相關概念
  7.6.2傳統(tǒng)的自動問答方法
  7.6.3基于深度學習的自動問答方法
  7.7用MindSpore 實現(xiàn)基于BERT的自動問答
  7.7.1數(shù)據(jù)集準備
  7.7.2訓練BERT網(wǎng)絡
  參考文獻
  第8章無監(jiān)督學習:圖向量
  8.1圖向量簡介
  8.2DeepWalk算法
  8.2.1DeepWalk算法原理
  8.2.2DeepWalk算法實現(xiàn)
  8.3LINE算法
  8.3.1LINE算法原理
  8.3.2LINE算法實現(xiàn)
  8.4Node2Vec算法
  8.4.1Node2Vec算法原理
  8.4.2Node2Vec算法實現(xiàn)
  8.5GCN算法
  8.5.1GCN算法原理
  8.5.2GCN算法實現(xiàn)
  8.6GAT算法
  8.6.1GAT算法原理
  8.6.2GAT算法實現(xiàn)
  8.7應用:推薦系統(tǒng)
  8.7.1工業(yè)界中的推薦系統(tǒng)
  8.7.2推薦系統(tǒng)中的圖神經(jīng)網(wǎng)絡模型
  參考文獻
  第9章無監(jiān)督學習:深度生成模型
  9.1變分自編碼器
  9.1.1提出背景
  9.1.2發(fā)展現(xiàn)狀
  9.1.3技術原理
  9.1.4技術難點
  9.1.5應用場景
  9.2生成對抗網(wǎng)絡
  9.2.1提出背景
  9.2.2發(fā)展現(xiàn)狀
  9.2.3技術原理
  9.2.4技術難點
  9.2.5應用場景
  9.2.6框架模塊
  9.3應用:數(shù)據(jù)增強
  9.3.1數(shù)據(jù)增強的定義
  9.3.2數(shù)據(jù)增強的目的
  9.3.3傳統(tǒng)數(shù)據(jù)增強的方法
  9.3.4基于深度學習的數(shù)據(jù)增強方法
  9.4用MindSpore實現(xiàn)基于生成對抗網(wǎng)絡的數(shù)據(jù)增強
  參考文獻
  第10章深度強化學習
  10.1強化學習基本概念
  10.1.1基礎概念與理論
  10.1.2馬爾可夫決策過程
  10.1.3貝爾曼方程
  10.2基本求解方法
  10.2.1動態(tài)規(guī)劃法
  10.2.2蒙特卡羅法
  10.2.3時間差分法
  10.3深度強化學習算法
  10.3.1DQN算法
  10.3.2DDPG算法
  10.3.3A3C算法
  10.4最新應用
  10.4.1推薦系統(tǒng)
  10.4.2博弈游戲
  10.5用MindSpore實現(xiàn)基于DQN的博弈游戲
  參考文獻
  第11章自動化機器學習
  11.1AutoML框架
  11.1.1NAS算法
  11.1.2超參調優(yōu)
  11.2現(xiàn)有AutoML系統(tǒng)介紹
  11.2.1AutoWeka/AutoSklearn/HyperOpt
  11.2.2Microsoft NNI
  11.3元學習
  11.3.1學習優(yōu)化器
  11.3.2學習參數(shù)初始化
  11.3.3學習損失函數(shù)
  11.3.4學習度量
  11.4用MindSpore實現(xiàn)AutoML
  參考文獻
  第12章端云協(xié)同
  12.1端側推理
  12.2端云遷移學習
  12.3端云聯(lián)邦學習
  12.3.1聯(lián)邦平均
  12.3.2梯度壓縮
  12.4端云協(xié)同框架
  參考文獻
  第13章深度學習可視化
  13.1深度學習可視化概述
  13.1.1數(shù)據(jù)分析
  13.1.2模型建立與理解
  13.1.3訓練
  13.1.4評估
  13.2MindSpore可視化實踐
  13.2.1可視化流程
  13.2.2數(shù)據(jù)集可視化
  13.2.3模型與訓練可視化
  13.2.4Summary匯總數(shù)據(jù)格式
  參考文獻
  第14章深度學習的數(shù)據(jù)準備
  14.1數(shù)據(jù)格式概述
  14.2深度學習中的數(shù)據(jù)格式
  14.2.1原始輸入
  14.2.2標注信息
  14.3常用的深度學習數(shù)據(jù)格式
  14.3.1TFRecord格式
  14.3.2LMDB存儲
  14.3.3Rec格式
  14.3.4MindSpore數(shù)據(jù)格式
  14.3.5MindSpore數(shù)據(jù)集
  14.4使用MindSpore數(shù)據(jù)格式進行訓練數(shù)據(jù)準備
  14.4.1MindSpore數(shù)據(jù)格式生成
  14.4.2MindSpore數(shù)據(jù)格式統(tǒng)計與檢索
  14.4.3MindSpore數(shù)據(jù)格式訓練數(shù)據(jù)讀取
  附錄A中、英文對照詞匯表
  附錄BMindSpore白皮書
  參考文獻
  編輯推薦
  MindSpore是華為公司開發(fā)的深度學習框架,兼容目前主流的深度學習框架,支持端/邊/云全場景全棧協(xié)同開發(fā)。本書由陳雷教授傾力編著,陳雷教授是香港科技大學計算機科學與工程系教授,大數(shù)據(jù)研究所主任,IEEE Fellow和ACM杰出科學家!渡疃葘W習與MindSpore實踐》系統(tǒng)介紹了深度學習的基礎理論、常用的深度神經(jīng)算法設計,并以大量基于MindSpore的實例幫助讀者掌握深度學習算法的實現(xiàn)。此外,本書還對深度學習中的樣本數(shù)據(jù)處理、可視化及端云協(xié)同進行了深入的探討,因此我相信本書適合廣大讀者作為深度學習技術的入門讀物。
  專家點評
  深度學習在最近十年得到了巨大發(fā)展,它使人工智能產生了革命性的突破,讓我們切實地領略到人工智能給生活帶來改變的潛力!渡疃葘W習與MindSpore實踐》對深度學習的基礎技術進行了深入淺出的闡述,既給出了富于啟發(fā)性和思想性的見解,又強調通過深度學習框架MindSpore的操作和實踐,特別適合從事深度學習的研發(fā)人員參考閱讀!
  ——葉杰平 滴滴出行副總裁、滴滴AI Labs負責人,美國密西根大學教授
  人工智能已成為我國發(fā)展的戰(zhàn)略性方向,而人工智能的發(fā)展離不開計算框架的合理應用。MindSpore是開源的深度學習計算框架,支持端/邊/云全場景全棧協(xié)同開發(fā),適配所有的AI 應用場景。很高興看到《深度學習與MindSpore實踐》系統(tǒng)介紹了深度學習的基礎知識和各種網(wǎng)絡模型,并通過MindSpore給出不同領域的應用,對深度學習的推廣具有重大意義。
  ——常毅 吉林大學人工智能學院院長
  MindSpore是華為公司開發(fā)的深度學習框架,兼容目前主流的深度學習框架,支持端/邊/云全場景全棧協(xié)同開發(fā)!渡疃葘W習與MindSpore實踐》在總結深度學習的理論基礎上,系統(tǒng)地介紹了MindSpore框架,適合作為以MindSpore為工具開發(fā)人工智能系統(tǒng)的研發(fā)人員的參考讀物。本書理論聯(lián)系實踐,不僅講解深度學習的模型、概念和算法,還給出了在MindSpore上實現(xiàn)的具體程序及步驟,強烈推薦閱讀。
  ——李航 北京字節(jié)跳動科技有限公司AI實驗室主任
  我從事人工智能教學已經(jīng)十三年了,深刻感受到人工智能尤其是深度學習的教學效果很大程度上要依賴于實踐環(huán)節(jié)。特別是未來一段時間,深度學習仍然依賴于大數(shù)據(jù)和強大的算力,缺乏解釋性。華為公司硬件與軟件齊頭并進,不僅構造了令人驕傲的強大算力平臺,還推出了MindSpore全場景AI計算框架,為人工智能人才的培養(yǎng)提供了優(yōu)秀的實踐平臺。相信《深度學習與MindSpore實踐》會很快進入全國各大高校的課堂,并建議華為公司能把整個教學生態(tài)建好,打造人工智能人才培養(yǎng)的高地。
  ——公茂果 西安電子科技大學計算智能研究所所長
  深度學習在人工智能領域有著廣泛的應用!渡疃葘W習與MindSpore實踐》系統(tǒng)介紹了深度學習的基礎理論、常用的深度神經(jīng)算法設計,并以大量基于MindSpore的實例幫助讀者掌握深度學習算法的實現(xiàn)。此外,本書還對深度學習中的樣本數(shù)據(jù)處理、可視化及端云協(xié)同進行了深入的探討,因此我相信本書適合廣大讀者作為深度學習技術的入門讀物。
  ——譚焜 華為分布式與并行軟件實驗室主任
  教學資源
  本書提供部分配套教學資源,可以關注「人工智能科學與技術」公眾號,在對話框界面輸入“教學資源”即可獲得本書的部分“教材樣章”。
  申請樣書
  一、您若是教師,可按以下方式申請圖書
  (1)關注「人工智能科學與技術」公眾號,將本篇文章分享至朋友圈;
 。2)打開「人工智能科學與技術」公眾號對話框界面,輸入文字“圖書申請”,系統(tǒng)會彈出申請樣書二維碼;
 。3)申請人須是普通高校教師并擔任所申請樣書對應課程,申請表中需要上傳相近課程的教學大綱證明身份。
  注:申請圖書長期有效,五個工作日內寄出圖書。
  二、您若不是教師,可按以下方式圖書抽獎
 。1)關注「人工智能科學與技術」公眾號,將本篇文章分享至朋友圈;
 。2)打開「人工智能科學與技術」公眾號對話框界面,輸入文字“深度學習抽獎”,系統(tǒng)會彈出抽獎二維碼;
 。3)長按二維碼參與抽獎即可,2020年06月07日晚9:00開獎,請在開獎后24小時內填寫郵寄地址。
  注:抽獎有效期截至2020年06月07日9:00,五個工作日內寄出。
  京東閱讀
【免責聲明】本文僅代表作者本人觀點,與CTI論壇無關。CTI論壇對文中陳述、觀點判斷保持中立,不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考,并請自行承擔全部責任。

專題

CTI論壇會員企業(yè)