91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
深度學(xué)習(xí)入門(mén)5：生成模型
深度學(xué)習(xí)入門(mén)5：生成模型
齋藤康毅 著
鄭明智 譯
出版時(shí)間：2025年06月
頁(yè)數(shù)：278
全書(shū)以連貫故事形式，通過(guò)10個(gè)步驟，依次講解與生成模型相關(guān)的重要技術(shù)，包括正態(tài)分布、最大似然估計(jì)、多維正態(tài)分布、高斯混合模型、EM算法、神經(jīng)網(wǎng)絡(luò)、變分自動(dòng)編碼器，最后的3個(gè)步驟剖析擴(kuò)散模型的理論、實(shí)現(xiàn)與應(yīng)用。本書(shū)由淺入深，帶領(lǐng)讀者在積累必備知識(shí)的同時(shí)，一步步實(shí)現(xiàn)，最終構(gòu)建Stable Diffusion這樣的圖像生成模型。本書(shū)與“魚(yú)書(shū)”系列前4部作品一脈相承，強(qiáng)調(diào)動(dòng)手實(shí)踐和從零開(kāi)始構(gòu)建，學(xué)習(xí)過(guò)程充滿樂(lè)趣和收獲。
  1. 前言
  2. 步驟1 正態(tài)分布
  3. 1.1 概率的基礎(chǔ)知識(shí)
  4. 1.1.1 隨機(jī)變量和概率分布
  5. 1.1.2 概率分布的類型
  6. 1.1.3 期望值和方差
  7. 1.2 正態(tài)分布
  8. 1.2.1 正態(tài)分布的概率密度函數(shù)
  9. 1.2.2 正態(tài)分布的代碼實(shí)現(xiàn)
  10. 1.2.3 參數(shù)的作用
  11. 1.3 中心極限定理
  12. 1.3.1 什么是中心極限定理
  13. 1.3.2 中心極限定理的實(shí)驗(yàn)
  14. 1.4 樣本和的概率分布
  15. 1.4.1 樣本和的期望值和方差
  16. 1.4.2 通過(guò)代碼確認(rèn)
  17. 1.4.3 均勻分布的均值和方差
  18. 1.5 身邊的正態(tài)分布
  19. 步驟2 優(yōu)選似然估計(jì)
  20. 2.1 生成式模型的基礎(chǔ)知識(shí)
  21. 2.1.1 什么是生成式模型
  22. 2.1.2 總體和樣本
  23. 2.2 使用真實(shí)數(shù)據(jù)實(shí)現(xiàn)生成式模型
  24. 2.2.1 讀取身高數(shù)據(jù)集
  25. 2.2.2 基于正態(tài)分布的生成式模型
  26. 2.3 優(yōu)選似然估計(jì)的理論知識(shí)
  27. 2.3.1 似然的優(yōu)選化
  28. 2.3.2 利用導(dǎo)數(shù)求優(yōu)選值
  29. 2.3.3 正態(tài)分布的優(yōu)選似然估計(jì)
  30. 2.4 生成式模型的用途
  31. 2.4.1 新的數(shù)據(jù)的生成
  32. 2.4.2 概率的計(jì)算
  33. 步驟3 多維正態(tài)分布
  34. 3.1 NumPy和多維數(shù)組
  35. 3.1.1 多維數(shù)組
  36. 3.1.2 NumPy中的多維數(shù)組
  37. 3.1.3 逐元素的運(yùn)算
  38. 3.1.4 向量的內(nèi)積和矩陣積
  39. 3.2 多維正態(tài)分布
  40. 3.2.1 多維正態(tài)分布的數(shù)學(xué)式
  41. 3.2.2 多維正態(tài)分布的實(shí)現(xiàn)
  42. 3.3 二維正態(tài)分布的可視化
  43. 3.3.1 三維圖形的繪制方法
  44. 3.3.2 等高線的繪制
  45. 3.3.3 二維正態(tài)分布的圖形
  46. 3.4 多維正態(tài)分布的優(yōu)選似然估計(jì)
  47. 3.4.1 進(jìn)行優(yōu)選似然估計(jì)
  48. 3.4.2 優(yōu)選似然估計(jì)的實(shí)現(xiàn)
  49. 3.4.3 使用真實(shí)數(shù)據(jù)
  50. 步驟4 高斯混合模型
  51. 4.1 我們身邊的多峰分布
  52. 4.1.1 多峰分布的數(shù)據(jù)集
  53. 4.2 高斯混合模型的數(shù)據(jù)生成
  54. 4.2.1 利用GMM生成數(shù)據(jù)
  55. 4.2.2 生成數(shù)據(jù)的代碼
  56. 4.3 GMM的數(shù)學(xué)式
  57. 4.3.1 概率的復(fù)習(xí)
  58. 4.3.2 GMM的數(shù)學(xué)式
  59. 4.3.3 GMM的實(shí)現(xiàn)
  60. 4.4 參數(shù)估計(jì)中的難點(diǎn)
  61. 4.4.1 GMM的參數(shù)估計(jì)
  62. 步驟5 EM算法
  63. 5.1 KL散度
  64. 5.1.1 關(guān)于數(shù)學(xué)式的表示方法
  65. 5.1.2 KL散度的定義式
  66. 5.1.3 KL散度與優(yōu)選似然估計(jì)之間的關(guān)系
  67. 5.2 EM算法的推導(dǎo)①
  68. 5.2.1 擁有潛變量的模型
  69. 5.2.2 任意概率分布q（z）
  70. 5.3 EM算法的推導(dǎo)②
  71. 5.3.1 ELBO（證據(jù)的下限）
  72. 5.3.2 進(jìn)入EM算法
  73. 5.3.3 擴(kuò)展到多個(gè)數(shù)據(jù)
  74. 5.3.4 logp（x；θnew）≥logp（x；θold）的證明
  75. 5.4 GMM和EM算法
  76. 5.4.1 EM算法的E步驟
  77. 5.4.2 EM算法的M步驟
  78. 5.5 EM算法的實(shí)現(xiàn)
  79. 5.5.1 數(shù)據(jù)集與GMM的代碼
  80. 5.5.2 E步驟和M步驟的實(shí)現(xiàn)
書(shū)名：深度學(xué)習(xí)入門(mén)5：生成模型
作者：齋藤康毅 著
譯者：鄭明智 譯
國(guó)內(nèi)出版社：人民郵電出版社
出版時(shí)間：2025年06月
頁(yè)數(shù)：278
書(shū)號(hào)：978-7-115-66977-3
原版書(shū)書(shū)名：Deep Learning from Scratch5
原版書(shū)出版商：O'Reilly Media
齋藤康毅
 
1984年生于日本長(zhǎng)崎縣，東京工業(yè)大學(xué)畢業(yè)，并完成東京大學(xué)研究生院課程。目前在某企業(yè)從事人工智能相關(guān)的研究和開(kāi)發(fā)工作。著有《深度學(xué)習(xí)入門(mén)：基于Python的理論與實(shí)現(xiàn)》，同時(shí)也是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版譯者。
 
 
購(gòu)買(mǎi)選項(xiàng)
定價(jià)：109.80元
書(shū)號(hào)：978-7-115-66977-3
出版社：人民郵電出版社