内容提要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第1章介绍了深度学习及其主流框架；第2章介绍...
电子书
内容简介
近年来，基于深度学习方法的自然语言处理（NLP）已逐渐成为主流。本书共8章，主要介绍自然语言处理任务中的深度学习技术，包含深度学习理论基础、深度学习的软件框架、语言模型与词向量、序列模型与梯度消失/爆炸、卷积神经网络在NLP领域的应用、Seq2Seq模型与Attention机制、大规模预训练模型、预训练语言模型BERT，还给出了自然语言处理技术的高级应用和开发实例，并收录了基于PyTorch深度学习框架的部分实践项目。 本书既可作为人工智能、计算机科学、电子信息工程、自动化等专业的本科生及研究生教材，也可作为自然语言处理相关领域的研究人员和技术人员的参考资料。
章节目录
- 封面
- 前折页
- 书名页
- 版权页
- 致数字化人才的一封信
- 前言
- 目录
- 第1章 深度学习理论基础
- 1.1 深度学习概况
- 1.1.1 深度学习的历史
- 1.1.2 “无所不能”的深度学习
- 1.2 深度学习神经网络
- 1.2.1 神经网络
- 1.2.2 隐藏层
- 1.2.3 梯度下降
- 1.2.4 激活函数
- 1.2.5 权重初始化
- 1.2.6 正则化
- 1.2.7 归一化
- 第2章 深度学习的软件框架
- 2.1 环境配置
- 2.1.1 Anaconda
- 2.1.2 英伟达GPU驱动+CUDA+cuDNN
- 2.1.3 PyTorch安装
- 2.1.4 Python IDE选择
- 2.2 PyTorch入门
- 2.2.1 Tensor基本概念
- 2.2.2 Tensor的运算
- 2.3 PyTorch自动求梯度
- 2.3.1 基本概念
- 2.3.2 Tensor样例
- 2.3.3 梯度计算
- 2.4 PyTorch nn模块
- 第3章 语言模型与词向量
- 3.1 语言模型
- 3.1.1 无处不在的语言模型
- 3.1.2 神经网络语言模型
- 3.2 词向量
- 3.2.1 one-hot
- 3.2.2 word2vec
- 3.2.3 GloVe
- 3.3 代码实战
- 3.3.1 任务1：应用PyTorch搭建Skip-Gram
- 3.3.2 任务2：基于GloVe的大规模中文语料的词向量训练
- 第4章 序列模型与梯度消失/爆炸
- 4.1 循环神经网络
- 4.1.1 模型结构及计算过程
- 4.1.2 应用PyTorch搭建并训练RNN模型
- 4.2 梯度消失与爆炸
- 4.2.1 产生原因
- 4.2.2 解决方法
- 4.3 改进方法
- 4.3.1 LSTM
- 4.3.2 GRU
- 4.4 代码实战：搭建LSTM/GRU的文本分类器
- 第5章 卷积神经网络在NLP领域的应用
- 5.1 卷积神经网络的概念
- 5.1.1 输入层
- 5.1.2 卷积层
- 5.1.3 池化层
- 5.1.4 全连接层
- 5.2 空洞卷积神经网络
- 5.2.1 空洞卷积的基本定义
- 5.2.2 空洞卷积在NLP中的应用
- 5.2.3 空洞卷积相关代码
- 5.2.4 多层卷积
- 5.3 代码实战：CNN情感分类实战
- 5.3.1 数据处理
- 5.3.2 程序主干部分
- 5.3.3 模型部分
- 5.3.4 模型训练与评估
- 第6章 Seq2Seq模型与Attention机制
- 6.1 Encoder-Decoder结构
- 6.1.1 Encoder
- 6.1.2 Decoder
- 6.1.3 Encoder-Decoder存在的问题
- 6.2 Attention机制
- 6.3 Seq2Seq训练与预测
- 6.3.1 模型训练
- 6.3.2 模型预测
- 6.3.3 BLEU模型评估法
- 6.4 代码实战：应用PyTorch搭建机器翻译模型
- 第7章 大规模预训练模型
- 7.1 ELMo
- 7.1.1 模型结构
- 7.1.2 模型效果
- 7.1.3 ELMo的优点
- 7.1.4 利用ELMo+CNN进行分类的示例
- 7.2 Transformer
- 7.2.1 Encoder端及Decoder端总览
- 7.2.2 Encoder端各个子模块
- 7.2.3 Decoder端各个子模块
- 7.2.4 其他模块
- 7.2.5 完整模型
- 第8章 预训练语言模型BERT
- 8.1 BERT的基本概念
- 8.2 BERT的工作原理
- 8.2.1 BERT的预训练
- 8.2.2 BERT模型结构
- 8.2.3 BERT的微调
- 8.3 BERT的可解释性
- 8.4 其他预训练模型
- 8.4.1 XLNet
- 8.4.2 RoBERTa
- 8.4.3 ALBERT
- 8.5 代码实战：预训练模型
- 参考文献
- 后折页
- 封底
展开全部
深度学习自然语言处理实战是2020年由机械工业出版社出版,作者开课吧 组编 张楠 苏南 王贵阳 等编著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《深度学习自然语言处理实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
内容提要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第1章介绍了深度学习及其主流框架；第2章介绍...
电子书
本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，主要内容如下：第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数...
电子书
本书以自然语言处理常用技术与真实案例相结合的方式，深入浅出地介绍自然语言处理中的关键内容。全书共8章，内容包括自然语言处理概述、文本数据爬取、文本基础处理、文本进阶处理、天问一...
电子书
本书摒弃了枯燥的理论推导，以大量实战应用案例及知识模块等内容帮助机器学习领域的初、中级程序员踏实通过深度学习的技术门槛，切实提升开发技能，积累开发经验。实战应用案例丰富，深入浅...
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类...
电子书
本书以深度学习框架PyTorch为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了基本机器学习操作的原理和在深度学习框架下的实践步骤。全书共16章，主要分别介绍了深度学...