“深度学习”，一次看个够！——上新啦，图书馆（第二十五期）
2023-07-04
话说“深度学习”四个字，这几年在图书馆屡见不鲜，很有“馆红”之势。“深度学习”以它特有的优势，强势进军各个领域、各个行业。作为“信息黄埔”的万千学子，又怎能错过这样的尖端科技？
所以，本期新书推介，小图将各种“深度学习”扎堆儿推介，让小伙伴们一次看个够！大家各取所好，开启属于你的“深度学习”！
时间：2023年5月-6月
地点：西土城图书馆二层新书借阅室前台北侧的两排新书架
本期推介书单（6册）
|
序 号 |
题名 | 索书号 |
序 号 |
题名 | 索书号 |
|
1 |
《深度学习实战》 | TP181/K343 |
4 |
《动手学深度学习》 |
TP181/ Z263(1) |
|
2 |
《Python深度学习》 | TP311.561/X252 |
5 |
《深度学习图像搜索与识别》 | TP391.413/P156 |
|
3 |
《深度学习实战—基于TensorFlow 2.0的人工智能开发应用》 | TP181/X337 |
6 |
《深度学习与信号处理： 原理与实践》 |
TP181/ G591.1 |
【1】《深度学习实战》
【小图有话】
作为“深度学习”的入门书籍，内容经典、浅显易懂，值得一借！
【内容简介】
用Keras、TensorFlow、Core ML，以及TensorFlow Lite训练、微调并发布计算机视觉模型。为不同设备开发AI应用，包括Raspberry Pi、Jetson Nano，以及Google Coral。探索有趣的项目，从硅谷“热狗识别”应用程序到谷歌规模的图像搜索，以及40多个案例研究和行业实例。在电子游戏环境中模拟一辆自动驾驶汽车并用强化学习构建一个微型版自动驾驶汽车。使用迁移学习在几分钟内训练模型。发现50多个实用技巧，用以最大化模型准确度和速度、调试程序，以及将应用扩展到数百万用户规模。
作为“深度学习”的入门书籍，内容经典、浅显易懂，值得一借！
【内容简介】
用Keras、TensorFlow、Core ML，以及TensorFlow Lite训练、微调并发布计算机视觉模型。为不同设备开发AI应用，包括Raspberry Pi、Jetson Nano，以及Google Coral。探索有趣的项目，从硅谷“热狗识别”应用程序到谷歌规模的图像搜索，以及40多个案例研究和行业实例。在电子游戏环境中模拟一辆自动驾驶汽车并用强化学习构建一个微型版自动驾驶汽车。使用迁移学习在几分钟内训练模型。发现50多个实用技巧，用以最大化模型准确度和速度、调试程序，以及将应用扩展到数百万用户规模。
【2】《Python深度学习》
【小图有话】
深度学习的“大牛”之作，小伙伴们一定不要错过！
【内容简介】
本书由流行深度学习框架Keras之父弗朗索瓦·肖莱执笔，通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号，转而采用Python代码来解释深度学习的核心思想。全书共计14章，既涵盖了深度学习的基本原理，又体现了这一迅猛发展的领域在近几年里取得的重要进展，包括Transformer架构的原理和示例。读完本书后，你将能够使用Keras解决从计算机视觉到自然语言处理等现实世界的诸多问题，包括图像分类、图像分割、时间序列预测、文本分类、机器翻译、文本生成等。
深度学习的“大牛”之作，小伙伴们一定不要错过！
【内容简介】
本书由流行深度学习框架Keras之父弗朗索瓦·肖莱执笔，通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号，转而采用Python代码来解释深度学习的核心思想。全书共计14章，既涵盖了深度学习的基本原理，又体现了这一迅猛发展的领域在近几年里取得的重要进展，包括Transformer架构的原理和示例。读完本书后，你将能够使用Keras解决从计算机视觉到自然语言处理等现实世界的诸多问题，包括图像分类、图像分割、时间序列预测、文本分类、机器翻译、文本生成等。
【3】《深度学习实战—基于TensorFlow2.0的人工智能开发应用》
【小图有话】
书中大量代码文件，作者用心良苦，手把手教你学会基于TensorFlow 2.0的人工智能开发应用。
【内容简介】
《深度学习实战——基于TensorFlow2.0的人工智能开发应用》以TensorFlow2.0人工智能平台的基础架构为切入点，逐步过渡到TensorFlow2.0项目开发实战和项目部署上线中，并重点介绍了使用TensorFlow2.0的高级封装Keras搭建神经网络、训练神经网络和进行神经网络模型预测，让读者在项目实战中系统学习人工智能任务的工作流程及使用TensorFlow2.0框架开发任务的完整过程，帮助读者深入系统地学习人工智能的开发应用。
全书3篇共14章，第1篇为入门篇，介绍了人工智能的基础知识，包括人工智能的发展、人工智能开发环境的部署与使用、TensorFlow2.0框架与模型、神经网络、图像处理和TensorBoard可视化组件等；第2篇为实战篇，通过实例讲解如何使用TensorFlow2.0进行实际项目开发、模型评估与优化，包含了神经网络曲线拟合、MNIST手写字体识别、图像风格迁移、车牌识别、智能中文对话机器人等实例应用；第3篇为部署上线篇，主要讲解TensorFlow Serving部署模型上线和Flask部署模型上线，从而实现完全生命周期的人工智能开发过程。
全书内容通俗易懂，知识全面，内容丰富，实用性和可操作性强，特别适合深度学习框架TensorFlow2.0的入门读者和进阶读者阅读，同样适合TensorFlow1.x版本的人工智能开发人员转型到TensorFlow2.0、Python程序员、Python Web开发者等其他编程爱好者阅读。另外，本书也适合作为相关培训机构的教材使用。
书中大量代码文件，作者用心良苦，手把手教你学会基于TensorFlow 2.0的人工智能开发应用。
【内容简介】
《深度学习实战——基于TensorFlow2.0的人工智能开发应用》以TensorFlow2.0人工智能平台的基础架构为切入点，逐步过渡到TensorFlow2.0项目开发实战和项目部署上线中，并重点介绍了使用TensorFlow2.0的高级封装Keras搭建神经网络、训练神经网络和进行神经网络模型预测，让读者在项目实战中系统学习人工智能任务的工作流程及使用TensorFlow2.0框架开发任务的完整过程，帮助读者深入系统地学习人工智能的开发应用。
全书3篇共14章，第1篇为入门篇，介绍了人工智能的基础知识，包括人工智能的发展、人工智能开发环境的部署与使用、TensorFlow2.0框架与模型、神经网络、图像处理和TensorBoard可视化组件等；第2篇为实战篇，通过实例讲解如何使用TensorFlow2.0进行实际项目开发、模型评估与优化，包含了神经网络曲线拟合、MNIST手写字体识别、图像风格迁移、车牌识别、智能中文对话机器人等实例应用；第3篇为部署上线篇，主要讲解TensorFlow Serving部署模型上线和Flask部署模型上线，从而实现完全生命周期的人工智能开发过程。
全书内容通俗易懂，知识全面，内容丰富，实用性和可操作性强，特别适合深度学习框架TensorFlow2.0的入门读者和进阶读者阅读，同样适合TensorFlow1.x版本的人工智能开发人员转型到TensorFlow2.0、Python程序员、Python Web开发者等其他编程爱好者阅读。另外，本书也适合作为相关培训机构的教材使用。
【4】《动手学深度学习》
【小图有话】
关于这本书，小图只要说两个词就够了：“花书”和“沐神”。
【内容简介】
本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。
本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。
本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识中描述的线性代数、微分和概率等基础知识。
关于这本书，小图只要说两个词就够了：“花书”和“沐神”。
【内容简介】
本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。
本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。
本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识中描述的线性代数、微分和概率等基础知识。
【5】《深度学习图像搜索与识别》
【小图有话】
看到书名，小图第一个想到的就是淘宝里的“找同款”，这本书可以让你知其然，并知其所以然。
【内容简介】
图像搜索和识别是计算机视觉领域一个非常重要且基础的题目。本书对构成图像搜索和识别系统的各个算法基础模块一一做了介绍，并在最后一章以拍立淘为例说明了各个模块是怎样一起工作的。针对每个算法模块，本书不仅深入浅出地解释了算法的工作原理，还对算法背后的演进机理和不同方法的特点进行了说明，在第2章至第8章最后均提供了经典算法的PyTorch 代码和相关参考资料。
本书既适合图像搜索和识别领域的初学者，也适合在某个单一任务方面有经验但是想扩充知识面的读者。
看到书名，小图第一个想到的就是淘宝里的“找同款”，这本书可以让你知其然，并知其所以然。
【内容简介】
图像搜索和识别是计算机视觉领域一个非常重要且基础的题目。本书对构成图像搜索和识别系统的各个算法基础模块一一做了介绍，并在最后一章以拍立淘为例说明了各个模块是怎样一起工作的。针对每个算法模块，本书不仅深入浅出地解释了算法的工作原理，还对算法背后的演进机理和不同方法的特点进行了说明，在第2章至第8章最后均提供了经典算法的PyTorch 代码和相关参考资料。
本书既适合图像搜索和识别领域的初学者，也适合在某个单一任务方面有经验但是想扩充知识面的读者。
【6】《深度学习与信号处理：原理与实践》
【小图有话】
小图一看到“信号处理”四个字就两眼放光，这应该是“信息黄埔”的“菜”吧，期待小伙伴们前来“品尝”。
【内容简介】
本书分析研究了深度学习相关的网络模型，以及不同网络模型的算法结构、原理与核心思想及实战案例。主要内容涉及人工神经网络、模糊神经网络、概率神经网络、小波神经网络、卷积神经网络及其扩展模型、深度生成对抗网络及其扩展模型、深度受限玻尔兹曼机及其扩展模型、深度信念网络及其扩展模型、深度自编码器及其扩展模型等深度学习网络结构、原理与方法。通过深度学习网络在信道盲均衡、目标识别、图像分类和运动模糊去除、特征提取与识别、缺陷早期诊断等领域中的应用案例，为读者提供应用深度学习网络解决具体问题的思路和方法。本书适合人工智能、计算机、自动化、电子与通信、大数据科学等相关学科专业的科学研究人员和工程技术人员阅读，也可作为相关专业博士、硕士研究生的参考书。
小图一看到“信号处理”四个字就两眼放光，这应该是“信息黄埔”的“菜”吧，期待小伙伴们前来“品尝”。
【内容简介】
本书分析研究了深度学习相关的网络模型，以及不同网络模型的算法结构、原理与核心思想及实战案例。主要内容涉及人工神经网络、模糊神经网络、概率神经网络、小波神经网络、卷积神经网络及其扩展模型、深度生成对抗网络及其扩展模型、深度受限玻尔兹曼机及其扩展模型、深度信念网络及其扩展模型、深度自编码器及其扩展模型等深度学习网络结构、原理与方法。通过深度学习网络在信道盲均衡、目标识别、图像分类和运动模糊去除、特征提取与识别、缺陷早期诊断等领域中的应用案例，为读者提供应用深度学习网络解决具体问题的思路和方法。本书适合人工智能、计算机、自动化、电子与通信、大数据科学等相关学科专业的科学研究人员和工程技术人员阅读，也可作为相关专业博士、硕士研究生的参考书。
