鏈接：https://pan.baidu.com/s/1iqZNiSZCsD31NY7cLpC1AA?pwd=1ctd?

提取碼：1ctd

本書分理論和實踐兩大分。理論分介紹了深度學(xué)的相關(guān)基礎(chǔ)知識，從深度學(xué)的基礎(chǔ)知識到簡單的卷積經(jīng)網(wǎng)絡(luò)再到更加復(fù)雜的循環(huán)經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、深度強化學(xué)，層層遞進，由淺入深。實踐分以2019年華為新推出并于2020年開源的MindSpore框架為深度學(xué)的學(xué)工具，將理論分介紹的深度學(xué)理論知識運用到實踐中，使用MindSpore框架實現(xiàn)線性擬合、數(shù)字圖像分類、圖片分類等功能，以便讀者掌握MindSpore框架的使用和深度學(xué)知識的實際運用。本書屬于深度學(xué)的入門書，適合于深度學(xué)與機器學(xué)相關(guān)領(lǐng)域的初或者有一定相關(guān)知識經(jīng)驗的、MindSpore框架的初以及對華為AI計算框架相關(guān)系列感興趣的讀者。

●第一分 理論
第1章 深度學(xué)與MindSpore
1.1 機器學(xué)
1.1.1 圍棋與人工智能
1.1.2 什么是機器學(xué)
1.2 深度學(xué)
1.2.1 什么是深度學(xué)
1.2.2 深度學(xué)的現(xiàn)實應(yīng)用
1.3 常用的深度學(xué)框架
1.4 MindSpore簡介
1.4.1 MindSpore架構(gòu)
1.4.2 端云協(xié)同架構(gòu)
參考文獻
第2章 深度學(xué)基礎(chǔ)知識
2.1 經(jīng)網(wǎng)絡(luò)
2.1.1 人工經(jīng)網(wǎng)絡(luò)
2.1.2 經(jīng)網(wǎng)絡(luò)的發(fā)展
2.2 回歸問題
2.2.1 模型
2.2.2 模型訓(xùn)練
2.3 分類問題
2.4 前向傳播
2.5 梯度下降
2.5.1 梯度
2.5.2 梯度下降
2.5.3 梯度下降法的一般過程
2.5.4 常見的梯度下降法
2.6 鏈?zhǔn)椒▌t與反向傳播
2.7 化器
2.7.1 梯度下降算法（Gradient Descent，GD）
2.7.2 動量法（Momentum）
2.7.3 Nesterov Accelerated Gradient（NAG）
2.7.4 AdaGrad
2.7.5 Adadelta
2.8 過擬合與欠擬合
參考文獻
第3章 卷積經(jīng)網(wǎng)絡(luò)
3.1 卷積
3.2 池化
3.2.1 平均值池化
3.2.2 選值池化
3.3 激活函數(shù)
3.3.1 激活函數(shù)的作用
3.3.2 常用的激活函數(shù)
3.4 卷積經(jīng)網(wǎng)絡(luò)的整體結(jié)構(gòu)
參考文獻
第4章 循環(huán)經(jīng)網(wǎng)絡(luò)
4.1 循環(huán)經(jīng)網(wǎng)絡(luò)概述
4.2 循環(huán)經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
4.2.1 基本循環(huán)經(jīng)網(wǎng)絡(luò)
4.2.2 雙向循環(huán)經(jīng)網(wǎng)絡(luò)
4.3 循環(huán)經(jīng)網(wǎng)絡(luò)變種
4.3.1 RNN的局限性
4.3.2 LSTM
4.3.3 GRU
參考文獻
第5章 生成對抗網(wǎng)絡(luò)
5.1 生成對抗網(wǎng)絡(luò)概述
5.1.1 GAN理論與實現(xiàn)
5.1.2 生成網(wǎng)絡(luò)
5.1.3 判別網(wǎng)絡(luò)
5.2 條件生成對抗網(wǎng)絡(luò)
5.3 深度卷積生成對抗網(wǎng)絡(luò)
5.4 GAN的典型應(yīng)用
5.4.1 生成數(shù)據(jù)
5.4.2 圖像分辨率
5.4.3 風(fēng)格轉(zhuǎn)換
參考文獻
第6章 深度強化學(xué)
6.1 深度強化學(xué)概述
6.1.1 強化學(xué)
6.1.2 深度強化學(xué)
6.2 深度強化學(xué)算法
6.2.1 Q.Learning
6.2.2 DON
6.2.3 Policy Gradient Method
6.3 深度強化學(xué)的應(yīng)用
6.3.1 機器人
6.3.2 導(dǎo)航與自動駕駛
6.3.3 智能醫(yī)療
參考文獻
第二分 實踐
第7章 實驗環(huán)境的安裝和使用
7.1 Anaconda
7.1.1 Anaconda簡介
7.1.2 Anaconda的安裝
7.2 MindSpore的安裝
7.2.1 安裝對應(yīng)的Python版本
7.2.2 安裝Windows cpu版本MindSpore
7.3 選擇合適的IDE
7.3.1 PyCharm簡介
7.3.2 VSCode簡介
7.3.3 MindStudio簡介
7.3.4 Jupyter Notebook簡介
7.4 總結(jié)
第8章 MindSpore快速入門
8.1 MindSpore中的一些基本概念及作
8.1.1 張量（Tensor）初始化及其屬性
8.1.2 張量運算
8.2 MindSpore數(shù)據(jù)加載及處理
8.2.1 數(shù)據(jù)加載
8.2.2 數(shù)據(jù)處理及增強
8.3 總結(jié)
第9章 實現(xiàn)簡單線性函數(shù)擬合
9.1 實例背景
9.2 解決方案設(shè)計
9.3 方案實現(xiàn)
9.3.1 生成數(shù)據(jù)集
9.3.2 定義訓(xùn)練網(wǎng)絡(luò)
9.3.3 擬合過程可視化準(zhǔn)備
9.3.4 執(zhí)行訓(xùn)練
9.4 總結(jié)
第10章 使用LeNet.5網(wǎng)絡(luò)實現(xiàn)手寫數(shù)字識別
10.1 LeNet.5網(wǎng)絡(luò)
10.1.1 LeNet.5網(wǎng)絡(luò)概述
10.1.2 各層參數(shù)詳解
10.2 Mnist數(shù)據(jù)集
10.2.1 Mnist數(shù)據(jù)集簡介
10.2.2 數(shù)據(jù)集下載
10.2.3 數(shù)據(jù)讀取
10.2.4 數(shù)據(jù)處理
10.2.5 定義訓(xùn)練網(wǎng)絡(luò)
10.2.6 訓(xùn)練網(wǎng)絡(luò)
10.2.7 推理預(yù)測
10.3 總結(jié)
第11章 使用AlexNet網(wǎng)絡(luò)實現(xiàn)圖像分類
11.1 AlexNet網(wǎng)絡(luò)
11.1.1 AlexNet網(wǎng)絡(luò)概述
11.1.2 各層參數(shù)詳解
11.2 CIFAR.10數(shù)據(jù)集
11.2.1 CIFAR.10數(shù)據(jù)集簡介
11.2.2 數(shù)據(jù)集下載
11.2.3 數(shù)據(jù)讀取
11.3 使用AlexNet網(wǎng)絡(luò)實現(xiàn)圖像分類
11.3.1 使用Cifar10Dataset加載并處理輸入圖像
11.3.2 構(gòu)建網(wǎng)絡(luò)模型
11.3.3 訓(xùn)練網(wǎng)絡(luò)
11.3.4 驗證模型
11.4 總結(jié)
第12章 ResNet網(wǎng)絡(luò)的實現(xiàn)
12.1 ResNet網(wǎng)絡(luò)
12.1.1 ResNet網(wǎng)絡(luò)概述
12.1.2 ResNet網(wǎng)絡(luò)結(jié)構(gòu)
12.2 ResNet網(wǎng)絡(luò)的實現(xiàn)
12.2.1 數(shù)據(jù)載入及處理
12.2.2 構(gòu)建模型
12.2.3 訓(xùn)練模型
12.2.4 評估模型
12.3 總結(jié)
第13章 LSTM網(wǎng)絡(luò)的實現(xiàn)
13.1 acllmdb vl數(shù)據(jù)集
13.2 LSTM網(wǎng)絡(luò)的實現(xiàn)
13.2.1 準(zhǔn)備數(shù)據(jù)集
13.2.2 生成適用于MindSpor的數(shù)據(jù)集
13.2.3 構(gòu)建模型
13.2.4 訓(xùn)練模型
13.3 總結(jié)