深度学习原理与实战云计算、大数据、人工智能系列

主     编 :应祥岳,张青波

定     价 :48.00

书     号 :978-7-5165-4757-1

印 刷 色 :双色

出 版 社 :航空工业出版社

出版/修订日期:2026.10

分 享 到 :

微信扫码进入微店购买

产品介绍样书申请

目录
项目 1  深度学习编程环境搭建与 AI 工具应用 1
    背景知识………………………………………… 2
    1.1 人工智能与深度学习 …………………… 2
        1.1.1 深度学习与人工智能的关系……… 2
        1.1.2 机器学习基础知识…………………… 3
        1.1.3 深度学习基础知识…………………… 3
    1.2 主流深度学习框架 ……………………… 5
        1.2.1 TensorFlow ………………………… 5
        1.2.2 PyTorch ……………………………… 9
        1.3 AI 辅助编程工具 ………………………10
        1.3.1 GitHub Copilot ……………………10
        1.3.2 Vibe Coding …………………………11
        1.3.3 国产 AI 编程工具 ……………………11
    项目任务…………………………………………12
        任务一 : TensorFlow 框架的安装与编程环境配置 12
        任务二 :Trae 安装与体验 ……………13
    拓展阅读…………………………………………14
    课后习题与思考题………………………………15
项目 2  深度学习数据预处理 16
    背景知识…………………………………………17
    2.1 数据表示与张量操作 ……………………17
        2.1.1 张量……………………………………17
        2.1.2 常见数据张量………………………18
        2.1.3 数据批量………………………………19
    2.2 图像数据预处理 …………………………19
        2.2.1 基于 TensorFlow 的图像预处理 20
        2.2.2 图像增强………………………………22
    2.3 文本预处理 ………………………………24
        2.3.1 文本矢量化……………………………24
        2.3.2 Jieba 分词 ……………………………25
        2.3.3 利用 Keras 进行文本预处理 ……28
    项目任务…………………………………………30
        任务一 :新闻稿高频词提取……………30
        任务二 :文本分词与矢量化……………31
    拓展阅读…………………………………………35
    课后习题与思考题………………………………36
项目 3  神经网络基础模型搭建与产品分类 37
    背景知识…………………………………………38
    3.1 神经网络模型 ……………………………38
        3.1.1 M-P 神经元模型………………………38
        3.1.2 感知机模型……………………………38
        3.1.3 多层感知机模型………………………40
        3.1.4 三层神经网络模型……………………41
    3.2 激活函数 …………………………………43
        3.2.1 Sigmoid 函数 …………………………43
        3.2.2 Tanh 函数 ……………………………44
        3.2.3 ReLU 函数 ……………………………44
        3.2.4 Leaky ReLU 函数 …………………45
        3.2.5 Softmax 函数 ………………………46
    3.3 损失函数 …………………………………47
        3.3.1 均方误差损失函数………………47
        3.3.2 交叉熵损失函数…………………47
    3.4 梯度下降算法 ……………………………49
        3.4.1 数学解释………………………………50
        3.4.2 学习率…………………………………51
        3.4.3 神经网络的梯度……………………52
    3.5 反向传播算法 ……………………………53
        3.5.1 ReLU 函数的反向传播 ……………53
        3.5.2 Sigmoid 函数的反向传播 …………54
        3.5.3 线性函数的反向传播…………………55
        3.5.4 反向传播算法的实现…………………57
    项目任务…………………………………………57
        任务一 :优劣质产品数据生成…………57
        任务二 :基于单层神经网络的产品分类 59
    拓展阅读…………………………………………63
    课后习题与思考题………………………………63
项目 4  神经网络优化与手写数字识别 65
    背景知识…………………………………………66
    4.1 梯度下降算法的改进 ……………………66
        4.1.1 随机梯度下降算法……………………66
        4.1.2 动量梯度下降算法……………………68
        4.1.3 自适应梯度算法………………………69
        4.1.4 均方根加速算法………………………70
        4.1.5 自适应矩阵估计算法…………………71
    4.2 过拟合及处理方法 ………………………72
        4.2.1 过拟合…………………………………72
        4.2.2 正则化…………………………………74
    4.3 模型初始化与稳定性 ……………………75
        4.3.1 梯度消失和梯度爆炸…………………75
        4.3.2 初始权重的影响………………………76
    项目任务…………………………………………76
        任务一 :权重初始化对手写数字识别的影响 76
        任务二 :过拟合对手写数字识别的影响 79
    拓展阅读…………………………………………81
    课后习题与思考题………………………………81
项目 5  TensorFlow 快速开发深度学习模型 83
    背景知识…………………………………………84
    5.1 TensorFlow 构建深度学习模型的过程 …84
        5.1.1 定义网络………………………………84
        5.1.2 编译网络………………………………87
        5.1.3 训练网络………………………………88
        5.1.4 评估及预测网络………………………89
    5.2 模型保存及加载 …………………………90
        5.2.1 SavedModel 格式 ……………………90
        5.2.2 JSON 格式 ……………………………91
    5.3 回调函数 …………………………………92
    5.4 可视化 ……………………………………93
        5.4.1 plot_model() 函数 ……………………93
        5.4.2 TensorBoard …………………………94
    5.5 Tuner 超参数调优 …………………………96
        5.5.1 超参调优步骤…………………………96
        5.5.2 Keras Tuner 调用过程 ………………96
    项目任务…………………………………………99
        任务一 :构建全连接网络识别手写数字…99
        任务二 :手语识别项目开发并超参数调优 106
    拓展阅读……………………………………… 111
    课后习题与思考题…………………………… 111
项目 6  卷积神经网络实现图像分类 113
    背景知识……………………………………… 114
    6.1 卷积原理 ……………………………… 114
        6.1.1 一维离散卷积……………………… 114
        6.1.2 二维离散卷积……………………… 115
        6.1.3 特征提取…………………………… 115
    6.2 池化 …………………………………… 117
    6.3 卷积神经网络原理 …………………… 118
        6.3.1 卷积网络结构……………………… 118
        6.3.2 卷积层的实现……………………… 119
        6.3.3 池化层的实现……………………… 122
        6.3.4 全连接层…………………………… 124
        6.3.5 卷积网络流程……………………… 124
    6.4 经典卷积神经网络 …………………… 125
    项目任务……………………………………… 132
        任务一 :基于 CIFAR-10 数据集的图像识别 132
        任务二 :Fashion-MNIST 图像分类… 137
    拓展阅读……………………………………… 141
    课后习题与思考题…………………………… 141
项目 7  迁移学习实现小样本花卉分类 144
    背景知识……………………………………… 145
    7.1 迁移学习概述 ………………………… 145
        7.1.1 迁移学习的优势…………………… 145
        7.1.2 迁移学习的挑战…………………… 146
    7.2 模型微调 ……………………………… 147
    7.3 基于 TensorFlow 实现迁移学习 … 147
    项目任务……………………………………… 149
        任务 :迁移学习实现小样本花卉分类… 149
    拓展阅读……………………………………… 155
    课后习题与思考题………………………… 155
项目 8  循环神经网络实现机器翻译 157
    背景知识……………………………………… 158
    8.1 词嵌入 ………………………………… 158
        8.1.1 学习词嵌入………………………… 158
        8.1.2 预训练词嵌入……………………… 159
        8.1.3 词嵌入的实现……………………… 159
    8.2 循环神经网络原理 ………………… 161
        8.2.1 RNN 模型结构 …………………… 161
        8.2.2 RNN 的实现 ……………………… 162
        8.2.3 RNN 算法改进 …………………… 164
    8.3 序列到序列模型 ……………………… 166
        8.3.1 编码器 - 解码器架构 …………… 166
        8.3.2 序列到序列模型…………………… 167
    8.4 Transformer 模型 ………………… 168
        8.4.1 注意力机制………………………… 168
        8.4.2 Transformer 模型介绍 ………… 168
    项目任务……………………………………… 169
        任务 :中英文翻译………………………… 169
    拓展阅读……………………………………… 179
    课后习题与思考题………………………… 180
项目 9  强化学习实现小游戏自主通关 182
    背景知识……………………………………… 183
    9.1 强化学习简介 ………………………… 183
        9.1.1 强化学习原理……………………… 183
        9.1.2 核心要素…………………………… 183
        9.1.3 强化学习算法……………………… 184
    9.2 Gym 游戏平台 ……………………… 184
    9.3 强化学习框架 ………………………… 187
        9.3.1 Keras-RL…………………………… 187
        9.3.2 Keras-RL2 ………………………… 188
        9.3.3 OpenAI Baselines ………………… 188
        9.3.4 Stable Baselines …………………… 188
        9.3.5 Acme ……………………………… 188
    项目任务……………………………………… 188
        任务 :DQN 算法自主玩 gym 游戏 … 188
    拓展阅读……………………………………… 190
    课后习题与思考题…………………………… 190
项目 10  生成式对抗网络生成数字图像 192
    背景知识……………………………………… 193
    10.1 生成式对抗网络概述 ……………… 193
        10.1.1 经典 GAN………………………… 193
        10.1.2 常见的 GAN 类型 ……………… 193
    10.2 GAN 的实现………………………… 195
        10.2.1 经典 GAN 的实现 ……………… 195
        10.2.2 DCGAN 的实现 ………………… 198
    项目任务……………………………………… 201
        任务一 :经典 GAN 生成数字 2 图像 … 201
        任务二 :DCGAN 生成数字 2 图像 …… 203
    拓展阅读……………………………………… 204
    课后习题与思考题…………………………… 205
附录Ⅰ. 实训项目 206
    实训项目一 VGG 模型鸟类识别 …………… 206
    实训项目二 ResNet50 模型猫狗分类 …… 206
    实训项目三 inception 模型花卉分类 …… 207
    实训项目四 生成动漫脸 …………………… 207
    实训项目五 DQN 算法走迷宫 …………… 207
    实训项目六 风格转换 ……………………… 208
    实训项目七 数字语音识别 ………………… 208
    实训项目八 机器作诗 ……………………… 208
附录Ⅱ. 部分习题答案 209
参考文献 211
世纪宏图免费样书、课件申请表

尊敬的老师:

您好!欢迎您领取本书样书,高校教师免费领取,包邮,每人1-3本。提交申请样书信息后,由对应区域负责人安排邮寄,1-3天内寄出。如有其他问题,请联系:薛老师 13810412048 (微信同号) QQ: 2301407762 进行咨询和处理。

*1.样书申请人

姓名

电话

学校/院系/职务

邮箱

邮寄地址

2.样书申请

申请样书情况

申请样书书名

申请样书作者

申请样书出版社

*3.本学期使用教材

课程名称

教材书名

作者

出版社

全校使用数量

使用年限

4.评价建议

很不满意 不满意 一般 满意 很满意
知识体系完整性
内容新颖
数字化资源配套
习题解答配套
教师教学便利性

5.申请课件情况

验证码

换一张

提交申请

会员登录

期待您成为我们的会员!

用户名 *

密码 *

验证码*

换一张

忘记密码 用户注册

立即登录

会员注册

请认真填写您的资料*

用户名 *

密码 * (6-20个字符)

姓名*

电话*

邮箱*

学校名称*

所在院系*

职务*

地址*

验证码*

换一张

立即注册

找回密码

请输入您的邮箱找回密码!

邮箱*

验证码

下一步

设置新密码

请认真填写您的新密码!

验证码*

新密码*

确认密码*

提交 上一步

关注官方微信