|
000
|
02256nam0 22003491 450
|
|
001
|
0120210514
|
|
005
|
20240920210514.0
|
|
010
|
|
@a978-7-115-60082-0@dCNY109.80
|
|
100
|
|
@a20230216d2023 em y0chiy0121 ea
|
|
101
|
1
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aaf a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a动手学深度学习@Adong shou xue shen du xue xi@ePyTorch版@f阿斯顿·张 ... [等] 著@d= Dive into deep learning@fAston Zhang@g何孝霆, 瑞潮儿·胡译@zeng
|
|
210
|
|
@a北京@c人民邮电出版社@d2023.02
|
|
215
|
|
@a572页, [8] 页图版@c图@d26cm
|
|
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
|
@aDive into deep learning@zeng
|
|
606
|
0
|
@a机器学习@Aji qi xue xi
|
|
690
|
|
@aTP@v5
|
|
690
|
|
@aTP181@v5
|
|
701
|
1
|
@a张@Azhang@g(Zhang, Aston)@4著
|
|
701
|
1
|
@a立顿@Ali dun@g(Lipton, Zachary C.)@4著
|
|
701
|
0
|
@a李沐@Ali mu@4著
|
|
701
|
1
|
@a斯莫拉@Asi mo la@g(Smola, Alexander J.)@4著
|
|
702
|
0
|
@a何孝霆@Ahe xiao ting@4译
|
|
702
|
1
|
@a胡@Ahu@g(Hu, Rachel)@4译
|
|
801
|
0
|
@aCN@b人天书店@c20230216
|
|
905
|
|
@aCKNYKJZYXY@b300705543-4@dTP@e348@f2
|
|
|
|
|
| |
| 动手学深度学习：PyTorch版/阿斯顿·张 ... [等] 著= Dive into deep learning/Aston Zhang/何孝霆, 瑞潮儿·胡译.-北京：人民邮电出版社，2023.02 |
| 572页, [8] 页图版：图；26cm |
| |
| |
| ISBN 978-7-115-60082-0：CNY109.80 |
| 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。 |
| ● |
正题名：动手学深度学习
索取号：TP/348
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
705543
|
300705543
|
流通五库四楼/
[索取号:TP/348]
|
在馆
|
|
|
2
|
705544
|
300705544
|
流通五库四楼/
[索取号:TP/348]
|
在馆
|
|
