| 字段 | 字段内容 |
|---|---|
| 001 | 01h1346374 |
| 005 | 20251117110504.0 |
| 010 | $a: 978-7-115-60080-6$b: 精装$d: CNY229.80 |
| 100 | $a: 20230309d2023 em y0chiy50 ea |
| 101 | $a: chi |
| 102 | $a: CN$b: 110000 |
| 105 | $a: a a 000yy |
| 106 | $a: r |
| 200 | $a: 动手学深度学习$A: dong shou xue shen du xue xi$e: PyTorch版$f: 阿斯顿·张 ... [等] 著$d: = Dive into deep learning$f: Aston Zhang$g: 何孝霆, 瑞潮儿·胡译$z: eng |
| 210 | $a: 北京$c: 人民邮电出版社$d: 2023.02 |
| 215 | $a: 572页$c: 图$d: 26cm |
| 304 | $a: 题名页题其余责任者: 扎卡里·C. 立顿, 李沐, (德) 亚历山大·J. 斯莫拉 |
| 314 | $a: 阿斯顿·张, 亚马逊资深科学家, 美国伊利诺伊大学香槟分校计算机科学博士, 统计学和计算机科学双硕士。 |
| 320 | $a: 有书目 |
| 330 | $a: 本书是《动手学深度学习》的升级版本, 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。这一版本重新修订《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。本书共包含15章, 第一部分介绍深度学习的基础知识和预备知识, 并由线性模型弓出最简单的神经网络一多层感知机 ; 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。 |
| 510 | $a: Dive into deep learning$z: eng |
| 606 | $a: 机器学习$A: ji qi xue xi |
| 690 | $a: TP181$v: 5 |
| 701 | $a: 斯莫拉$A: si mo la$g: (Smola, Alexander J.)$4: 著 |
| 702 | $a: 胡$A: hu$g: (Hu, Rachel)$4: 译 |
| 801 | $a: CN$b: BUCTL$c: 20251117 |
| 905 | $d: TP181$r: CNY229.80$e: 372 |
北京创讯未来软件技术有限公司 版权所有 ALL RIGHTS RESERVED 京ICP备 09032139
欢迎第107641036位用户访问本系统