AI 源碼解讀:循環神經網絡(RNN)深度學習案例 (Python版)
李永華 曲宗峰 李紅偉
- 出版商: 清華大學
- 出版日期: 2021-07-01
- 定價: $534
- 售價: 8.5 折 $454
- 語言: 簡體中文
- 頁數: 375
- 裝訂: 平裝
- ISBN: 7302579091
- ISBN-13: 9787302579090
-
相關分類:
DeepLearning
-
相關翻譯:
NLP 大神 RNN 網路:Python 原始程式碼手把手帶你寫 (繁中版)
買這商品的人也買了...
-
$1,499$1,349 -
$556跟阿達學 Tableau 數據可視化
-
$580$493 -
$454Python 遷移學習
-
$590$460 -
$980$774 -
$594$564 -
$301詳解 FPGA:人工智能時代的驅動引擎
-
$658深度強化學習:基礎、研究與應用
-
$290深度學習原理與 PyTorch 實戰
-
$828$787 -
$999$899 -
$556AI 源碼解讀:機器學習案例 (Python版)
-
$505Python + Tableau 數據可視化之美
-
$454精益數據運營——用數據驅動新商業革命
-
$564AI 源碼解讀 : 推薦系統案例 (Python版)
-
$350$315 -
$564AI 源碼解讀:捲積神經網絡(CNN)深度學習案例 (Python版)
-
$403動手學推薦系統 — 基於 PyTorch 的算法實現 (微課視頻版)
-
$414$393 -
$880$695 -
$880$695 -
$499$394 -
$380$342 -
$720$569
相關主題
商品描述
《AI源碼解讀:循環神經網絡(RNN)深度學習案例(Python版)》以人工智能發展為時代背景,通過20個實際案例應用機器學習模型和算法,為工程技術人員提供較為詳細的實戰方案,以便深度學習。 在編排方式上,全書側重對創新項目的過程進行介紹。分別從整體設計、系統流程、實現模塊等角度論述數據處理、模型訓練及模型應用,並剖析模塊的功能、使用和程序代碼。為便於讀者高效學習,快速掌握人工智能開發方法,《AI源碼解讀:循環神經網絡(RNN)深度學習案例(Python版)》配套提供項目設計工程文檔、程序代碼、實現過程中出現的問題並給予解決方法,可供讀者舉一反三,二次開發。 《AI源碼解讀:循環神經網絡(RNN)深度學習案例(Python版)》從系統設計、代碼實現以及運行結果展示相結合,語言簡潔,深入淺出,通俗易懂,不僅適合對Python編程有興趣的愛好者,而且可作為高等院校參考教材,還可作為從事智能應用創新開發專業人員的技術用書。
作者簡介
李永華,北京郵電大學教授,擁有超過10年的軟硬件開發經驗,長期致力於物聯網、雲計算與人工智能的研究工作。
在教學中以興趣為導向,激發學生的創造性;以素質為基礎,提高自身教學水平;以科研為手段,促進教學理念的轉變。
在教學與科研實踐中指導學生實現300餘個創新案例,主持30餘項課題的研究工作,在國內外學術期刊及會議發表論文100餘篇,申請專利50餘項,出版圖書20餘部。
目錄大綱
項目1文章輔助生成系統
1.1總體設計
1.1.1系統整體結構圖
1.1.2系統流程圖
1.2運行環境
1.2.1Python環境
1.2.2TextRank環境
1.2.3TensorFlow環境
1.2.4PyQt5及Qt Designer運行環境
1.3模塊實現
1.3.1數據預處理
1.3.2抽取摘要
1.3.3模型搭建與編譯
1.3.4模型訓練與保存
1.3.5圖形化界面的開發
1.3.6應用封裝
1.4系統測試
1.4.1訓練困惑度
1.4.2測試效果
1.4.3模型應用
項目2Trump推特的情感分析
2.1總體設計
2.1.1系統整體結構圖
2.1.2系統流程圖
2.2運行環境
2.2.1Python環境
2.2.2TensorFlow環境
2.2.3工具包
2.3模塊實現
2.3.1準備數據
2.3.2數據預處理
2.3.3模型構建
2.3.4模型測試
2.4系統測試
2.4.1模型效果
2.4.2模型應用
項目3基於LSTM的影評情感分析
3.1總體設計
3.1.1系統整體結構圖
3.1.2系統前後端流程圖
3.2運行環境
3.2.1Python環境
3.2.2TensorFlow環境
3.2.3Android環境
3.3模塊實現
3.3.1數據預處理
3.3.2模型構建及訓練
3.3.3模型保存
3.3.4詞典保存
3.3.5模型測試
3.4系統測試
3.4.1數據處理
3.4.2模型訓練
3.4.3詞典保存
3.4.4模型效果
項目4Image2Poem——根據圖像生成古體詩句
4.1總體設計
4.1.1系統整體結構圖
4.1.2系統流程圖
4.2運行環境
4.2.1Python環境
4.2.2TensorFlow安裝
4.2.3其他Python模塊的安裝
4.2.4百度通用翻譯API開通及使用
4.3模塊實現
4.3.1數據準備
4.3.2Web後端準備
4.3.3百度通用翻譯
4.3.4全局變量聲明
4.3.5創建模型
4.3.6模型訓練及保存
4.3.7模型調用
4.4系統測試
4.4.1訓練準確率
4.4.2模型效果
4.4.3整合應用
項目5歌曲人聲分離
5.1總體設計
5.1.1系統整體結構圖
5.1.2系統流程圖
5.2運行環境
5.2.1Python環境
5.2.2TensorFlow環境
5.2.3Jupyter Notebook環境
5.3模塊實現
5.3.1數據準備
5.3.2數據預處理
5.3.3模型構建
5.3.4模型訓練及保存
5.3.5模型測試
5.4系統測試
5.4.1訓練準確率
5.4.2測試效果
5.4.3模型應用
項目6基於Image Caption的英語學習
6.1總體設計
6.1.1系統整體結構圖
6.1.2系統流程圖
6.2運行環境
6.2.1Python環境
6.2.2TensorFlow環境
6.2.3微信開發者工具
6.3模塊實現
6.3.1準備數據
6.3.2模型構建
6.3.3模型訓練及保存
6.3.4模型調用
6.3.5模型測試
6.4系統測試
6.4.1訓練準確率
6.4.2測試效果
6.4.3模型應用
項目7智能聊天機器人
7.1總體設計
7.1.1系統整體結構圖
7.1.2系統流程圖
7.2運行環境
7.2.1Python環境
7.2.2TensorFlow環境
7.3模塊實現
7.3.1數據預處理
7.3.2模型構建
7.3.3模型測試
7.4系統測試
7.4.1訓練損失
7.4.2測試效果
7.4.3模型應用
項目8說唱歌詞創作應用
8.1總體設計
8.1.1系統整體結構圖
8.1.2系統流程圖和前端流程圖
8.2運行環境
8.2.1Python環境
8.2.2TensorFlow環境
8.2.3其他環境
8.3模塊實現
8.3.1數據預處理與加載
8.3.2模型構建
8.3.3模型訓練及保存
8.3.4模型測試
8.4系統測試
8.4.1模型困惑度
8.4.2模型應用
項目9基於LSTM的語音/文本/情感識別系統
9.1總體設計
9.1.1系統整體結構圖
9.1.2系統流程圖
9.1.3網頁端配置流程圖
9.2運行環境
9.2.1Python環境
9.2.2TensorFlow環境
9.2.3網頁端環境框架——Django
9.3模塊實現(服務器端)
9.3.1數據處理
9.3.2調用API
9.3.3模型構建
9.3.4模型訓練及保存
9.4網頁實現(前端)
9.4.1Django的管理腳本
9.4.2Django的核心腳本
9.4.3網頁端模板的組成
9.4.4Django的接口驗證腳本
9.4.5Django中URL模板的連接器
9.4.6Django中URL配置
9.5系統測試
9.5.1訓練準確率
9.5.2效果展示
項目10基於人臉檢測的表情包自動生成器
10.1總體設計
10.1.1系統整體結構圖
10.1.2系統流程圖
10.1.3文件結構
10.2運行環境
10.2.1Python環境
10.2.2TensorFlow環境
10.2.3OpenCV環境
10.2.4Pillow環境
10.3模塊實現
10.3.1圖形用戶界面
10.3.2人臉檢測與標註
10.3.3人臉朝向識別
10.3.4人臉處理與表情包合成
10.4系統測試
10.4.1確定運行環境符合要求
10.4.2應用使用說明
項目11AI作曲
11.1總體設計
11.1.1系統整體結構圖
11.1.2系統流程圖
11.2運行環境
11.2.1Python環境
11.2.2虛擬機環境
11.2.3TensorFlow環境
11.2.4Python類庫及項目軟件
11.3模塊實現
11.3.1數據預處理
11.3.2信息提取
11.3.3模型構建
11.3.4模型訓練及保存
11.3.5音樂生成
11.4系統測試
11.4.1模型訓練
11.4.2測試效果
項目12智能作文打分系統
12.1總體設計
12.1.1系統整體結構圖
12.1.2系統流程圖
12.1.3前端流程圖
12.2運行環境
12.2.1Python環境
12.2.2Keras環境
12.2.3Django環境
12.3模塊實現
12.3.1數據預處理
12.3.2模型構建
12.3.3模型訓練及保存
12.3.4模型測試
12.4系統測試
12.4.1訓練準確率
12.4.2模型應用
12.4.3測試效果
項目13新冠疫情輿情監督
13.1總體設計
13.1.1系統整體結構圖
13.1.2系統流程圖
13.2運行環境
13.2.1Python環境
13.2.2PaddlePaddle環境
13.3模塊實現
13.3.1準備預處理
13.3.2模型構建
13.3.3模型訓練
13.3.4模型評估
13.3.5模型預測
13.4系統測試
13.4.1訓練準確率
13.4.2測試效果
13.4.3模型應用
項目14語音識別——視頻添加字幕
14.1總體設計
14.1.1系統整體結構圖
14.1.2系統流程圖
14.2運行環境
14.3模塊實現
14.3.1分離音頻
14.3.2分割音頻
14.3.3提取音頻
14.3.4模型構建
14.3.5識別音頻
14.3.6添加字幕
14.3.7GUI界面
14.4系統測試
項目15人臉識別與機器翻譯小程序
15.1總體設計
15.1.1系統整體結構圖
15.1.2系統流程圖
15.2運行環境
15.2.1Python環境
15.2.2TensorFlowGPU/CPU環境
15.2.3OpenCV2庫
15.2.4Dlib庫
15.2.5Flask環境
15.2.6TensorFlowSSD目標(人臉)檢測框架
15.2.7TensorFlowFaceNet 人臉匹配框架
15.2.8微信小程序開發環境
15.2.9JupyterLab
15.3模塊實現
15.3.1數據預處理
15.3.2創建模型
15.4系統測試
項目16基於循環神經網絡的機器翻譯
16.1總體設計
16.1.1系統整體結構圖
16.1.2系統流程圖
16.2運行環境
16.2.1Python環境
16.2.2PyTorch環境
16.2.3Flask環境
16.3模塊實現
16.3.1數據預處理
16.3.2模型構建
16.3.3模型訓練及保存
16.3.4模型測試
16.4系統測試
16.4.1訓練準確率
16.4.2模型應用
項目17基於LSTM的股票預測
17.1總體設計
17.1.1系統整體結構圖
17.1.2系統流程圖
17.2運行環境
17.2.1Python環境
17.2.2TensorFlow環境
17.2.3Numpy環境
17.2.4Pandas環境
17.2.5Keras環境
17.2.6Matplotlib環境
17.3模塊實現
17.3.1數據預處理
17.3.2模型構建
17.3.3模型保存及輸出預測
17.3.4模型測試
17.4系統測試
17.4.1訓練準確率
17.4.2型效果
項目18基於LSTM的豆瓣影評分類情感分析
18.1總體設計
18.1.1系統整體結構圖
18.1.2系統流程圖
18.2運行環境
18.2.1Python環境
18.2.2TensorFlow環境
18.2.3Keras環境
18.3模塊實現
18.3.1數據收集
18.3.2數據處理
18.3.3Word2Vec模型
18.3.4LSTM模型
18.3.5完整流程
18.3.6模型測試
18.4系統測試
18.4.1訓練準確率
18.4.2應用效果
項目19AI寫詩機器人
19.1總體設計
19.1.1系統整體結構圖
19.1.2系統流程圖
19.2運行環境
19.2.1Python環境
19.2.2TensorFlow環境
19.2.3Qt Creator下載與安裝
19.3模塊實現
19.3.1語料獲取和整理
19.3.2特徵提取與預訓練
19.3.3構建模型
19.3.4模型訓練
19.3.5結果預測
19.3.6設置詩句評分標準
19.3.7界面設計
19.4系統測試
項目20基於COCO數據集的自動圖像描述
20.1總體設計
20.1.1系統整體結構圖
20.1.2系統流程圖
20.2運行環境
20.3模塊實現
20.3.1數據準備
20.3.2模型創建及保存
20.3.3模型訓練及保存
20.3.4界面設置及演示
20.4系統測試