机读格式显示(MARC)

• 000 02265nam0 2200649 450

• 001 0000393163

• 005 20210529102900.0

• 010 __ |a 978-7-115-54837-5 |d CNY89.00

• 099 __ |a CAL 012020355138

• 100 __ |a 20201015d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 用Python实现深度学习框架 |A yong Python shi xian shen du xue xi kuang jia |f 张觉非, 陈震著

• 210 __ |a 北京 |c 人民邮电出版社 |d 2020

• 215 __ |a 271页 |c 彩图 |d 24cm

• 300 __ |a 图灵原创

• 330 __ |a 本书带领读者用原生Python语言和Numpy线性代数库实现一个基于计算图的深度学习框架，该框架称作MatrixSlow（类似简易版的PyTorch、TensorFlow或Caffe）。全书分为三个部分。第一部分是原理篇，实现了MatrixSlow框架的核心基础设施，并围绕实现讲解了机器学习与深度学习的概念和原理，比如模型、计算图、训练、梯度下降法及其各种变体。第二部分是模型篇，介绍了多种具有代表性的模型，包括逻辑回归、多层全连接神经网络、因子分解机、Wide&Deep、DeepFM、循环神经网络以及卷积神经网络，这部分除了着重介绍这些模型的原理、结构与它们之间的联系外，还用MatrixSlow框架搭建并训练它们以解决实际问题。第三部分是工程篇，讨论了一些与深度学习框架相关的工程问题，内容涉及训练与评估，模型的保存、导入和服务部署，分布式训练，等等。

• 606 0_ |a 软件工具 |A ruan jian gong ju |x 程序设计

• 690 __ |a TP311.561 |v 5

• 701 _0 |a 张觉非 |A zhang jue fei |4 著

• 701 _0 |a 陈震 |A chen zhen |4 著

• 801 _0 |a CN |b NMU |c 20201022

• 905 __ |a XATU |d TP311.561/473

• 920 __ |a 215010 |z 1

• 920 __ |a 221020 |z 1

• 920 __ |a 261011 |z 1

• 920 __ |a 242120 |z 1

• 920 __ |a 237020 |z 1

• 920 __ |a 430102 |z 1

• 920 __ |a 245010 |z 1

• 920 __ |a 233020 |z 1

• 920 __ |a 231020 |z 1

• 920 __ |a 261020 |z 1

• 920 __ |a 231010 |z 1

• 920 __ |a 211010 |z 2

• 920 __ |a 242020 |z 2

• 920 __ |a 242010 |z 1

• 920 __ |a 212020 |z 1

• 920 __ |a 211060 |z 2

• 920 __ |a 232010 |z 1

• 920 __ |a 222040 |z 1

• 920 __ |a 211030 |z 1

• 920 __ |a 232020 |z 1

• 920 __ |a 235010 |z 1

• 920 __ |a 244010 |z 1

• 920 __ |a 236010 |z 1

• 920 __ |a 232370 |z 1

• 920 __ |a 211261 |z 1

• 920 __ |a 231280 |z 1

• 920 __ |a 242250 |z 1

• 920 __ |a 231220 |z 2

• 920 __ |a 211070 |z 1

• 920 __ |a 211260 |z 1

• 920 __ |a 244050 |z 1

• 998 __ |a NMU