深度卷積網絡：原理與實踐

內容簡介

內容介紹 深度卷積網絡（DCNN）是目前十分流行的深度神經網絡架構，它的構造清晰直觀，效果引人入勝，在圖像、視頻、語音、語言領域都有廣泛應用。 本書以AI領域最新的技術研究和和實踐爲基礎，從技術理論、工作原理、實踐方法、架構技巧、訓練方法、技術前瞻等6個維度對深度卷積網絡進行了系統、深入、詳細地講解。 以實戰爲導向，深入分析AlphaGo和GAN的實現過程、技術原理、訓練方法和應用細節，爲讀者依次揭開神經網絡、卷積網絡和深度卷積網絡的神祕面紗，讓讀者瞭解AI的“思考過程”，以及與人類思維的相同和不同之處。 本書在邏輯上分爲3個部分： 第一部分綜述篇（第1、6、9章） 這3章不需要讀者具備編程和數學基礎，對深度學習和神經網絡的基礎知識、AlphaGo的架構設計和工作原理，以及深度學習和人工智能未來的技術發展趨勢進行了宏觀介紹。 第二部分深度卷積網絡篇（第2、3、4、5章） 結合作者的實際工作經驗和案例代碼，對深度卷積網絡的技術理論、工作原理、實踐方法、架構技巧和訓練方法做了系統而深入的講解。 第三部分實戰篇（第7、8章） 詳細分析了AlphaGo和GAN的技術原理、訓練方法和應用細節，包括詳細的代碼分析和大量GAN的精彩實例。 本書的案例代碼在GitHub上提供下載，同時讀者可在GitHub與作者交流本書相關的問題。

書籍信息