破解深度学习（核心篇）：模型算法与实现

封面

版权信息

内容提要

作者简介

前言

读者对象

套书特色

本书组织结构

资源与支持

第1章 复杂卷积神经网络：捕获精细特征

1.1 AlexNet

1.2 VGGNet

1.3 批归一化方法

1.4 GoogLeNet

1.5 ResNet

1.6 DenseNet

第2章 复杂循环神经网络：为记忆插上翅膀

2.1 双向RNN和深度RNN

2.2 RNN长期依赖问题

2.3 长短期记忆网络及其变体

2.4 四种RNN代码实现

第3章 复杂注意力神经网络：大模型的力量

3.1 BERT模型

3.2 GPT系列模型

3.3 T5模型

3.4 ViT模型

3.5 Swin Transformer模型

第4章 深度生成模型：不确定性的妙用

4.1 蒙特卡洛方法

4.2 变分推断方法

4.3 变分自编码器

4.4 生成对抗网络

4.5 扩散模型

4.6 深度生成模型项目实战

第5章 计算机视觉：让智慧可见

5.1 自定义数据加载

5.2 图像数据增强

5.3 迁移学习

5.4 经典计算机视觉数据集

5.5 项目实战：猫狗大战

第6章 自然语言处理：人机交互懂你所说

6.1 词嵌入和Word2Vec

6.2 词义搜索和句义表示

6.3 预训练模型

6.4 Hugging Face库介绍

6.5 NLP数据集

6.6 项目实战：电影评论情感分析

第7章 多模态生成式人工智能：引领智能新时代

7.1 CLIP模型

7.2 DALL·E系列模型

7.3 InstructGPT模型

7.4 深度学习最新发展趋势分析