●第章深度學習基礎br人工智能機器學習與深度學習br人工智能簡介br2機器學習簡介2br3深度學習簡介3br2深度學習的三大核心要素4br與深度神經網絡7br4神經網絡中常用的激勵函數9br5深度學習的優勢3br6常用的深度學習框架5br本章小結6br習題6br第2章深度學習框架PyTorch的安裝9br2PyTorch介紹9br22Windows繫統中PyTorch的配置20br22安裝Python20br222PyTorch環境搭建2br23Linux繫統中PyTorch的配置22br23安裝虛擬機23br232Python環境配置25br233PyTorch環境搭建25br24PyTorch開發工具26br24IDLE26br242PyCharm27br本章小結34br習題34br實驗35br第3章PyTorch基礎36br3Tensor的定義36br32Tensor的創建37br33Tensor的形狀調整39br34Tensor的簡單運算40br35Tensor的比較4br36Tensor的數理統計42br37Tensor與NumPy的互相轉換43br38Tensor的降維和增維44br39Tensor的裁剪46br30Tensor的索引46br3把Tensor移到GPU上48br本章小結49br習題49br實驗50br第4章線性回歸和邏輯回歸54br4回歸54br42線性回歸55br線性回歸的代碼實現58br44梯度及梯度下降法62br44梯度62br442梯度下降法62br線性回歸的代碼實現63br46邏輯回歸65br46邏輯回歸65br462邏輯回歸中的損失函數66br463邏輯回歸的代碼實現66br本章小結69br習題69br實驗70br第5章全連接神經網絡72br5全連接神經網絡概述72br52多分類問題73br53Softmax函數與交叉熵74br54反向傳播算法76br54鏈式求導法則76br542反向傳播算法實例77br543Sigmoid函數實例77br55計算機視覺工具包torchvision78br56全連接神經網絡實現多分類80br56定義全連接神經網絡80br562全連接神經網絡識別MNIST手寫數字8br本章小結85br習題85br實驗87br第6章卷積神經網絡88br6前饋神經網絡88br62卷積神經網絡的原理br62卷積層9br622池化層94br63卷積神經網絡的代碼實現96br64LeNet5模型99br64LeNet5模型的架構99br642CIFAR0數據集0br643LeNet5模型的代碼實現0br65VGGNet模型06br65VGGNet模型簡介06br652VGGNet模型的代碼實現07br66ResNet模型2br66ResNet模型簡介2br662ResNet模型殘差的代碼實現3br本章小結4br習題4br實驗5br第7章循環神經網絡9br7循環神經網絡概述9br72循環神經網絡的原理20br73長短時記憶神經網絡22br73長短時記憶神經網絡的原理22br732長短時記憶神經網絡實例25br733長短時記憶神經網絡實例229br本章小結36br習題36br實驗37br第8章生成式對抗網絡38br8生成式對抗網絡概述38br8生成式對抗網絡的原理38br82生成式對抗網絡的代碼實現42br82條件生成式對抗網絡50br83最小二乘生成式對抗網絡5br本章小結5br習題5br實驗52br附錄A部分習題與實驗參考答案53brA第章習題與實驗參考答案53brA2第2章習題與實驗參考答案55brA2習題參考答案55brA22實驗參考答案56brA3第3章習題與實驗參考答案56brA3習題參考答案56brA32實驗參考答案56brA4第4章習題與實驗參考答案66brA4習題參考答案66brA42實驗參考答案67brA5第5章習題與實驗參考答案75brA5習題參考答案75brA52實驗參考答案75brA6第6章習題與實驗參考答案78brA6習題參考答案78brA62實驗參考答案79brA7第7章習題與實驗參考答案92brA7習題參考答案92brA72實驗參考答案93brA8第8章習題與實驗參考答案96brA8習題參考答案96brA82實驗參考答案97br參考文獻22
