热门文档
- 2023-10-13 17:09:40 楚辞 中华传统诗词经典 可复制-李山-9787101097528
- 2023-04-19 15:04:26 《千家妙方 上册 1982年》(李文亮等编)
- 2022-09-18 20:22:00 中国人为什么看不起中国人 张鸣
- 2022-09-18 20:22:00 中国兵法之起源 编委会
- 2023-10-13 17:09:40 超速学习：我这样做，一个月学会素描，一年学会四种语言，完成MIT四年课程-斯科特·扬著，林慈敏译-9789861755533
- 2022-11-24 16:17:09 《性体验与性爱心理》尤里-谢尔巴特赫
- 2022-11-24 16:17:09 《性爱健康指南》石四维编著
- 2023-10-13 17:09:40 初中诗词格律读本 可复制-周建忠 徐乃为 王业强编著-9787101121704
- 2023-10-13 17:09:40 曾国藩家书 中华经典藏书(升级版)可复制-檀作文译注-9787101115482
- 2023-10-13 17:09:40 菜根谭 中华经典藏书(升级版)可复制-杨春俏译注-9787101115611
- 2022-09-18 19:48:57 心理催眠术 迈克尔.赫普,温迪.德雷顿著
- 2023-10-13 17:09:40 崇祯帝大传-晁中辰著 可复制-9787101114935
1、本文档共计 384 页，下载后文档不带www.pdfdz.com水印，支持完整阅读内容。
2、古籍基本都为PDF扫描版，所以文档不支持编辑功能，即不支持文档内文字的复制粘贴。
3、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
4、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
5、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。
2、古籍基本都为PDF扫描版，所以文档不支持编辑功能，即不支持文档内文字的复制粘贴。
3、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
4、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
5、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。
内容简介本书以“平民”的起，点，从“零”开始，基于PyTorch框架，介绍深度学习和强化学习的技术与技巧，逐层铺垫，营造良好的带入感和亲近感，把学习曲线拉平，使得没有学过微积分等高级理论的程序员一样能够读得懂、学得会。同时，本书配合漫画插图来调节阅读气氛，并对每个原理都进行了对比讲解和实例说明。本书适合对深度学习和强化学习感兴趣的技术人员、希望对深度学习和强化学习进行入门了解的技术人员及深度学习和强化学习领域的初级从业人员阅读。，。，。图书在版编目(CP)数据白话强化学习与Py Torch/高扬，叶振斌著.一北京：电子工业出版社，2019.9ISBN978-7-121-36747-2I.①白…Ⅱ.①高…②叶…Ⅲ.①人工智能-程序设计W.①TP18中国版本图书馆CIP数据核字(2019)第111731号印刷：三河市双峰印刷装订有限公司订：三河市双峰印刷装订有限公司出版发行：电子工业出版社北京市海淀区万寿路173信箱邮编100036开本：787×9801/16印张：24字数：590千字彩插：2版次：2019年9月第1版印次：2019年9月第1次印刷定价：99.00元凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若书店售缺，请与本社发行部联系，联系及邮购电话：(010)88254888,88258888。质量投诉请发邮件至zlts@phei,侵权举报请发邮件至dbqq@phei。本书咨询联系方式：(010)51260888-819，faq@phei。前言当人工智能的热潮席卷全世界的时候，当我们一次又一次为各种人工智能新作而惊叹的时候，我们不约而同地将目光投向了深度学习领域。我们对这个既新鲜又传统的领域有一种憧憬，甚至我们之中的许多人会在某一刻认为这可能是未来机器觉醒前的萌芽。说深度学习新鲜，是因为它在近几年的发展确实获得了令人瞩目的成果，不论是在计算机视觉(Computer Vision,CV)领域，还是在自动语音识别(Autotic Speech Recognition,ASR)领域，抑或推荐系统应用领域，都迈上了一个前所未有的新台阶。这当然得益于计算机硬件处理能力的提升，包括CPU的速度、内存的大小、磁盘的容量；得益于新型并行计算框架的逐步成熟，例如CUDA(Compute Unified Device Architecture);得益于广大热衷于贡献高质量开源软件系统的大厂的扛鼎力作，例如Tensor Flow、PyTorch、MXNet等优秀框架的不断涌现。这些无一例外，都成为推动一个行业在全国乃至全世界发展的重要因素。说深度学习传统，是因为它最为基本的理论部分，是在数十年前就逐步有人提出并进行完善的一套理论体系。一位朋友曾告诉我，在他研究生毕业的时候（应该是在21世纪初），有不少同学的研究方向是人工智能和神经网络，而其中的大多数人，不是进了国有研究所，开始了日复一日“读Paper、写Paper”的过程，就是进了保险公司、证券交易所等企业一做什么呢？也不是做自己的老本行，而是做报表、做数据分析、写报告。当然，这些同学算是比较“幸运”的，还有相当一部分干脆改了行，去往一些企业的开发岗位，做Java开发或者数据库架构之类的工作。我完全没有轻视这些岗位和企业的意思，我只是单纯地觉得，在大学中花了那么多年走出来的一条路，没办法再走下去，是一件非常可惜的事情。而在导致这一现象的众多客观因素中，前面提到的计算能力、框架成熟度、软件包可用性等起着决定性的作用。不过，我们赶上好时候了。除落地应用外的大部分基础问题，都已经由那些世界一流的数据科学家帮我们解决，并封装成了一个个开源或非开源的软硬件产品。其实，除了深度神经网络在CV①、ASR②、NLP3等领域的应用，近几年，深度学习在另外一个领域有着炫目的成绩，那就是深度强化学习④领域。别的不说，大名鼎鼎的AlphaGo和AlphaGoZo就是典型的深度强化学习应用。从感性的角度看，深度强化学习似乎是由“深度学习”和“强①CV(Computational Vision),计算机视觉。②ASR(Autotic Speech Recognition,自动语音识别。③NLP(Natural Language Processing),自然语言处理。④深度强化学习，Deep Reinforcement Learning(DRL)。
