请选择 进入手机版 | 继续访问电脑版
从零开始 从零开始 查看内容

深度进修与MindSpore理论

2020-6-8 19:59| 发布者: hos3nb1c| 查看: 123| 评论: 0

摘要: 作者简介陈雷:香港科技大学计算机科学与工程系教授,大数据研究所主任,IEEE Fellow和ACM杰出科学家。研究方向包括数据驱动AI、人力机器学习、知识图谱、社交媒体上的数据挖掘等。在国际著名期刊和会议上发表300余 ...
深度进修与MindSpore理论__2020-6-8 19:59发布_从零开始_123

作者简介


陈雷:香港科技大学计较机科学与工程系教授,大数据研讨所主任,IEEE Fellow和ACM精采科学家。研讨偏向包括数据驱动AI、人力机械进修、常识图谱、交际媒体上的数据挖掘等。在国际著名期刊和会议上颁发300余篇论文,曾获得2015年SIGMOD时候测试奖。现任VLDB 2019法式委员会结合主席、VLDB期刊主编、IEEE TKDE期刊副总编辑、VLDB Endowment履行成员。

深度进修与MindSpore理论__2020-6-8 19:59发布_从零开始_123

内容简介


本书系统地先容了深度进修理论,并基于MindSpore AI计较框架停止理论。全书共分14章,内容涵盖深度进修概况、深度进修根本常识、深度神经收集、卷积神经收集、循环神经收集、无监视进修、深度强化进修、自动化机械进修、端云协同、深度进修可视化及深度进修的数据预备等。为便于读者进修,书中还给出了基于MindSpore实现的关于深度进修的开辟实例及线上资本。本书可作为普通高档黉舍野生智能、智能科学与技术、计较机科学与技术、电子信息工程、自动化等专业的本科生及研讨生课本,也可作为处置深度进修相关工作的软件开辟工程师与科研职员的进修、参考用书。

图书目录


第1章引言

1.1野生智能的历史变迁

1.2什么是深度进修

1.3深度进修的现实利用

1.3.1自动语音识别

1.3.2图像识别

1.3.3自然说话处置

1.3.4其他范畴

1.4本书的构造架构

1.5MindSpore简介

1.5.1编程简单

1.5.2端云协同

1.5.3调试轻松

1.5.4性能出色

1.5.5开源开放

第2章深度进修根本常识

2.1回归题目算法

2.2梯度下降算法

2.3分类题目算法

2.4过拟合与欠拟合

第3章深度神经收集

3.1前向收集

3.2反向传布

3.3泛化才能

3.4用MindSpore实现简单神经收集

3.4.1各层参数说明

3.4.2具体步调

第4章深度神经收集的练习

4.1深度进修系统面临的首要应战

4.1.1大数据集需求

4.1.2硬件需求

4.1.3过拟合

4.1.4超参数优化

4.1.5不通明性

4.1.6缺少灵活性

4.2正则化

4.2.1L2范数正则化

4.2.2L1范数正则化

4.3Dropout

4.4自顺应进修率

4.4.1AdaGrad

4.4.2RMSProp

4.4.3Adam

4.5批标准化

4.6用MindSpore 实现深度神经收集

4.6.1各层参数说明

4.6.2具体步调

第5章卷积神经收集

5.1卷积操纵

5.2池化

5.3残差收集

5.4利用:图片分类

5.5用MindSpore实现基于卷积神经收集图片分类

5.5.1加载MindSpore模块

5.5.2界说ResNet收集结构

5.5.3设备超参数

5.5.4导入数据集

5.5.5练习模子

第6章循环神经收集

6.1循环神经收集概述

6.2深度循环神经收集

6.3持久依靠的应战

6.4是非期记忆收集和门控循环神经收集

6.4.1是非期记忆收集

6.4.2门控循环神经收集

6.5利用:文本猜测

6.6用MindSpore实现基因而非期记忆收集的文本猜测

6.6.1加载MindSpore模块

6.6.2数据预备

6.6.3界说收集

6.6.4参数先容

6.6.5练习模子

参考文献

第7章无监视进修:词向量

7.1Word2Vec

7.1.1提出布景

7.1.2成长现状

7.1.3技术道理

7.1.4技术难点

7.1.5利用处景

7.1.6框架模块

7.2GloVe

7.2.1提出布景

7.2.2成长现状

7.2.3技术道理

7.2.4技术难点

7.2.5利用处景

7.2.6框架模块

7.3Transformer

7.3.1提出布景

7.3.2成长现状

7.3.3技术道理

7.3.4技术难点

7.3.5利用处景

7.3.6框架模块

7.4BERT

7.4.1提出布景

7.4.2成长现状

7.4.3技术道理

7.4.4技术难点

7.4.5利用处景

7.4.6框架模块

7.5词向量典型天生算法对照

7.6利用:自动问答

7.6.1自动问答的相关概念

7.6.2传统的自动问答方式

7.6.3基于深度进修的自动问答方式

7.7用MindSpore 实现基于BERT的自动问答

7.7.1数据集预备

7.7.2练习BERT收集

参考文献

第8章无监视进修:图向量

8.1图向量简介

8.2DeepWalk算法

8.2.1DeepWalk算法道理

8.2.2DeepWalk算法实现

8.3LINE算法

8.3.1LINE算法道理

8.3.2LINE算法实现

8.4Node2Vec算法

8.4.1Node2Vec算法道理

8.4.2Node2Vec算法实现

8.5GCN算法

8.5.1GCN算法道理

8.5.2GCN算法实现

8.6GAT算法

8.6.1GAT算法道理

8.6.2GAT算法实现

8.7利用:保举系统

8.7.1产业界中的保举系统

8.7.2保举系统中的图神经收集模子

参考文献

第9章无监视进修:深度天生模子

9.1变分自编码器

9.1.1提出布景

9.1.2成长现状

9.1.3技术道理

9.1.4技术难点

9.1.5利用处景

9.2天生匹敌收集

9.2.1提出布景

9.2.2成长现状

9.2.3技术道理

9.2.4技术难点

9.2.5利用处景

9.2.6框架模块

9.3利用:数据增强

9.3.1数据增强的界说

9.3.2数据增强的目标

9.3.3传统数据增强的方式

9.3.4基于深度进修的数据增强方式

9.4用MindSpore实现基于天生匹敌收集的数据增强

参考文献

第10章深度强化进修

10.1强化进修根基概念

10.1.1根本概念与理论

10.1.2马尔可夫决议进程

10.1.3贝尔曼方程

10.2根基求解方式

10.2.1静态计划法

10.2.2蒙特卡罗法

10.2.3时候差分法

10.3深度强化进修算法

10.3.1DQN算法

10.3.2DDPG算法

10.3.3A3C算法

10.4最新利用

10.4.1保举系统

10.4.2博弈游戏

10.5用MindSpore实现基于DQN的博弈游戏

参考文献

第11章自动化机械进修

11.1AutoML框架

11.1.1NAS算法

11.1.2超参调优

11.2现有AutoML系统先容

11.2.1AutoWeka/AutoSklearn/HyperOpt

11.2.2Microsoft NNI

11.3元进修

11.3.1进修优化器

11.3.2进修参数初始化

11.3.3进修损失函数

11.3.4进修怀抱

11.4用MindSpore实现AutoML

参考文献

第12章端云协同

12.1端侧推理

12.2端云迁移进修

12.3端云联邦进修

12.3.1联邦均匀

12.3.2梯度紧缩

12.4端云协同框架

参考文献

第13章深度进修可视化

13.1深度进修可视化概述

13.1.1数据分析

13.1.2模子建立与了解

13.1.3练习

13.1.4评价

13.2MindSpore可视化理论

13.2.1可视化流程

13.2.2数据集可视化

13.2.3模子与练习可视化

13.2.4Summary汇总数据格式

参考文献

第14章深度进修的数据预备

14.1数据格式概述

14.2深度进修中的数据格式

14.2.1原始输入

14.2.2标注信息

14.3常用的深度进修数据格式

14.3.1TFRecord格式

14.3.2LMDB存储

14.3.3Rec格式

14.3.4MindSpore数据格式

14.3.5MindSpore数据集

14.4利用MindSpore数据格式停止练习数据预备

14.4.1MindSpore数据格式天生

14.4.2MindSpore数据格式统计与检索

14.4.3MindSpore数据格式练习数据读取

附录A中、英文对照辞汇表

附录BMindSpore白皮书

参考文献

编辑保举


MindSpore是华为公司开辟的深度进修框架,兼容今朝支流的深度进修框架,支持端/边/云全场景全栈协同开辟。本书由陈雷教授倾力编著,陈雷教授是香港科技大学计较机科学与工程系教授,大数据研讨所主任,IEEE Fellow和ACM精采科学家。《深度进修与MindSpore理论》系统先容了深度进修的根本理论、常用的深度神经算法设想,并以大量基于MindSpore的实例帮助读者把握深度进修算法的实现。此外,本书还对深度进修中的样本数据处置、可视化及端云协同停止了深入的探讨,是以我相信本书合适广大读者作为深度进修技术的入门读物

专家点评


深度进修在比来十年获得了庞大成长,它使野生智能发生了反动性的冲破,让我们实在地明白到野生智能给生活带来改变的潜力。《深度进修与MindSpore理论》对深度进修的根本技术停止了深入浅出的论述,既给出了富于启发性和思惟性的看法,又夸大经过深度进修框架MindSpore的操纵和理论,出格合适处置深度进修的研发职员参考阅读!

——叶杰平 滴滴出行副总裁、滴滴AI Labs负责人,美国密西根大学教授

野生智能已成为我国成长的计谋性偏向,而野生智能的成长离不开计较框架的公道利用。MindSpore是开源的深度进修计较框架,支持端/边/云全场景全栈协同开辟,适配一切的AI 利用处景。很兴奋看到《深度进修与MindSpore理论》系统先容了深度进修的根本常识和各类收集模子,并经过MindSpore给出分歧范畴的利用,对深度进修的推行具有严重意义。

——常毅 吉林大学野生智能学院院长

MindSpore是华为公司开辟的深度进修框架,兼容今朝支流的深度进修框架,支持端/边/云全场景全栈协同开辟。《深度进修与MindSpore理论》在总结深度进修的理论根本上,系统地先容了MindSpore框架,合适作为以MindSpore为工具开辟野生智能系统的研发职员的参考读物。本书理论联系理论,不但讲授深度进修的模子、概念和算法,还给出了在MindSpore上实现的具体法式及步调,激烈保举阅读。

——李航 北京字节跳动科技有限公司AI尝试室主任

我处置野生智能讲授已经十三年了,深入感遭到野生智能特别是深度进修的讲授结果很洪流平上要依靠于理论环节。出格是未来一段时候,深度进修仍然依靠于大数据和强大的算力,缺少诠释性。华为公司硬件与软件齐头并进,不但机关了使人自豪的强大算力平台,还推出了MindSpore全场景AI计较框架,为野生智强人材的培育供给了优异的理论平台。相信《深度进修与MindSpore理论》会很快进入全国各大高校的课堂,并倡议华为公司能把全部讲授生态建好,打造野生智强人材培育的高地。

——公茂果 西安电子科技大学计较智能研讨所所长

深度进修在野生智能范畴有着普遍的利用。《深度进修与MindSpore理论》系统先容了深度进修的根本理论、常用的深度神经算法设想,并以大量基于MindSpore的实例帮助读者把握深度进修算法的实现。此外,本书还对深度进修中的样本数据处置、可视化及端云协同停止了深入的探讨,是以我相信本书合适广大读者作为深度进修技术的入门读物。

——谭焜 华为散布式与并行软件尝试室主任

讲授资本


本书供给部分派套讲授资本,可以关注「野生智能科学与技术」公众号,在对话框界面输入“讲授资本”即可获得本书的部分“课本样章”。

申请样书


一、您如果教师,可按以下方式申请图书

(1)关注「野生智能科学与技术」公众号,将本篇文章分享至朋友圈;

(2)翻开「野生智能科学与技术」公众号对话框界面,输入笔墨“图书申请”,系统会弹出申请样书二维码;

(3)申请人须是普通高校教师并担任所申请样书对应课程,申请表中需要上传附近课程的讲授纲领证实身份。

注:申请图书持久有用,五个工作日内寄出图书。

二、您若不是教师,可按以下方式图书抽奖

(1)关注「野生智能科学与技术」公众号,将本篇文章分享至朋友圈;

(2)翻开「野生智能科学与技术」公众号对话框界面,输入笔墨“深度进修抽奖”,系统会弹出抽奖二维码;

(3)长按二维码介入抽奖即可,2020年06月07日晚9:00开奖,请在开奖后24小时内填写邮寄地址。

注:抽奖有用期停止2020年06月07日9:00,五个工作日内寄出。

京东阅读


点击下方图书封面旁观《深度进修与MindSpore理论》图书京东详情页面。

深度进修与MindSpore理论__2020-6-8 19:59发布_从零开始_123

深度进修与MindSpore理论__2020-6-8 19:59发布_从零开始_123

关注@华为云,获得更多出色资讯

鲜花

握手

雷人

路过

鸡蛋
  • 联系我们
  • 邮箱:admin@c0ks.com(请把#改成@)
  • 电话:18530790808
  • QQ客服 1031180668
  • 工作时间:周一至周五(早上9点至下午5点)
  • 微信二维码

  • 扫描访问手机版

Archiver|手机版|小黑屋|从零开始

GMT+8, 2020-7-4 06:12 , Processed in 0.172786 second(s), 17 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

  • QQ: 1031180668

    客服电话

    18530790808

    电子邮件

    admin@c0ks.com

    在线时间:8:00-16:00