已收藏
图书详情
内容简介:
本书聚焦深度学习与大模型技术的工程化落地，以讲透原理、动手实现代码、提供可复用案例为核心，构建从基础入门到前沿应用的完整学习体系。
本书共分为4个部分。第一部分为基础入门篇，主要讲解深度学习核心概念、线性回归、神经网络基础及PyTorch框架应用，包含从零实现线性回归模型训练、Logistic回归实战、多项式回归与模型选择等案例。第二部分为计算机视觉模型篇，先介绍CNN的原理，再结合边缘检测、猫狗分类研究（基于VGG16）、验证码识别（基于ResNet）、人脸相似度判断（基于孪生神经网络）、火焰和烟雾目标检测（基于YOLOv12）等实战项目讲解计算机视觉任务。第三部分为自然语言处理模型篇，从循环神经网络到注意力机制与机器翻译，通过微博话题识别、气温预测（基于CNN-LSTM混合模型）、从中文到英文的翻译（基于Seq2Seq与注意力机制）等实战项目，破解序列数据建模难题。第四部分为大模型架构与应用篇，解析Transformer架构，通过小型中文聊天系统与医疗问答大模型定制两大实战项目，介绍开源大模型微调与推理。 
