当前位置: 100md首页 > 电子书籍 > 资料下载2021 > 未分类2
编号:45963
深度卷积网络：原理与实践全彩版.pdf
http://www.100md.com 2020年12月2日
第1页
第9页
第13页
第25页
第32页

    参见附件(8959KB，32页)。

    深度卷积网络：原理与实践以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，为读者依次揭开神经网络、卷积网络和深度卷积网络的神秘面纱，让读者了解AI的“思考过程”，以及与人类思维的相同和不同之处。

    编辑推荐

    适读人群 ：1.人工智能领域的技术工程师2.人工智能领域的创业者和投资人3.关注人工智能的围棋爱好者

    (1)作者技术扎实、功力深厚，有20余年开发经验，对人工智能、量化交易、区块链等技术有深入研究，实践经验丰富。

    (2)CSDN、极客邦科(InfoQ)、麦思博(MSUP)、天善智能4大IT媒体和知识服务机构高度评价并推荐

    (3)以AI领域新的技术研究和和实践为基础。从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细地讲解。

    (4)以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，包含大量案例和代码。

    内容简介

    深度卷积网络(DCNN)是目前十分流行的深度神经网络架构，它的构造清晰直观，效果引人入胜，在图像、视频、语音、语言领域都有广泛应用。

    本书以AI领域新的技术研究和和实践为基础，从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细地讲解。

    以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，为读者依次揭开神经网络、卷积网络和深度卷积网络的神秘面纱，让读者了解AI的“思考过程”，以及与人类思维的相同和不同之处。

    本书在逻辑上分为3个部分：

    第一部分 综述篇(第1、6、9章)

    这3章不需要读者具备编程和数学基础，对深度学习和神经网络的基础知识、AlphaGo的架构设计和工作原理，以及深度学习和人工智能未来的技术发展趋势进行了宏观介绍。

    第二部分 深度卷积网络篇(第2、3、4、5章)

    结合作者的实际工作经验和案例代码，对深度卷积网络的技术理论、工作原理、实践方法、架构技巧和训练方法做了系统而深入的讲解。

    第三部分 实战篇(第7、8章)

    详细分析了AlphaGo和GAN的技术原理、训练方法和应用细节，包括详细的代码分析和大量GAN的精彩实例。

    本书的案例代码在GitHub上提供，同时读者可在GitHub与作者交流本书相关的问题。

    作者简介

    彭博

    人工智能、量化交易、区块链领域的技术专家，有20年以上的研发经验。

    在人工智能与信息科技方面，对深度学习、机器学习、计算机图形学、智能硬件等有较为深入的研究；在量化交易方面，曾在全球大的外汇对冲基金负责程序化交易，对市场的微观和宏观行为有较为深入的理解；在区块链方面，对智能合约、DApp开发和自动交易有较为深入的实践。

    知乎上科技领域的大V，在专栏撰有大量技术文章。

    深度神经网络的速度优势

    深度神经网络的另一优势是，它的训练和运行速度很快，因为这个过程几乎只需做加法和乘法，而且非常适合并行化，后文会具体讲述。为什么这样简单的方法能有这样好的效果？这仍是未解之谜。

    例如，在装载GTX1070显卡的家用电脑上，训练策略网络只需一两天，且为全自动，无须任何人工干预，电脑只看棋谱，不看棋书，就能达到普通成年人需要阅读棋书、请教老师、反复做题、对弈，悉心学习一两年才能达到的棋力。

    如果换上神经网络专用硬件，如Google的TPU处理器，速度可再快上几十倍。如果用成千上万个TPU，那么速度还可再提高成千上万倍。图1-9所示是Google的TPU深度学习系统，也正是训练AlphaGo所使用的系统。

    这个情况很重要。因为目前常用的神经网络实际只有几百万个神经元(这里把卷积神经元看成是多个神经元，以与生物大脑的神经元连接密度一致)，相当于蟑螂的水平。与之相比，猫有7亿个神经元，人类更有860亿个神经元。

    根据目前的硬件发展趋势，我们将有能力使用越来越大的神经网络，神经网络的规模将在2056年左右达到人类的水平。届时的神经网络会拥有怎样的能力，确实不可轻视。

    深度卷积网络：原理与实践全彩版截图