计算机 类型
可以朗读 语音朗读
211千字 字数
2023-09-01 发行日期
展开全部

主编推荐语

Keras入门到精通，深度学习实验项目。

内容简介

本书基于当前流行的深度学习框架之一——Keras，从新手的角度出发，详细讲解Keras的原理，力求帮助读者实现Keras从入门到精通。

全书共9章，主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras开发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估及模型优化，以及深度学习实验项目。本书内容由浅入深、语言通俗易懂，从基本原理到案例应用、从基础算法到对复杂模型的剖析，让读者在循序渐进的学习中理解Keras。

本书可作为高等院校计算机、通信、大数据等专业相关课程的教材，也可作为人工智能、图像处理、计算机等方向的科研人员和深度学习技术爱好者的参考书。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 第1章 初识深度学习
  • 1.1 深度学习基础理论
  • 1.1.1 机器学习与深度学习
  • 1.1.2 神经网络基础
  • 1.1.3 常用深度学习模型
  • 1.2 主流深度学习框架介绍
  • 1.2.1 TensorFlow
  • 1.2.2 PyTorch
  • 1.3 深度学习开发环境搭建
  • 1.3.1 硬件环境准备
  • 1.3.2 软件环境准备
  • 1.3.3 安装Anaconda
  • 1.3.4 安装TensorFlow 2
  • 1.4 构建深度学习模型
  • 1.4.1 MNIST数据集概述
  • 1.4.2 数据预处理
  • 1.4.3 构建及编译模型
  • 1.4.4 模型训练
  • 1.4.5 模型评估及预测
  • 【本章知识结构图】
  • 【课后习题】
  • 第2章 深度学习的数据预处理技术
  • 2.1 数据预处理技术
  • 2.1.1 结构化数据预处理
  • 2.1.2 非结构化数据预处理
  • 2.2 利用OpenCV进行图像预处理
  • 2.2.1 读取、显示和保存图像
  • 2.2.2 图像像素的获取和编辑
  • 2.2.3 图像几何变换
  • 2.2.4 色彩通道分离和融合
  • 2.2.5 颜色空间转换
  • 2.3 利用TensorFlow进行图像预处理
  • 2.3.1 图像缩放
  • 2.3.2 图像裁剪
  • 2.3.3 图像色彩调整
  • 2.3.4 图像翻转
  • 2.4 利用jieba进行文本预处理
  • 2.4.1 jieba分词
  • 2.4.2 添加自定义词典
  • 2.4.3 关键词提取
  • 2.4.4 词性标注
  • 2.5 利用Keras进行文本预处理
  • 2.5.1 Unicode编码
  • 2.5.2 分词器
  • 2.5.3 独热编码
  • 2.5.4 填充序列
  • 2.6 案例实训：对业务员工作日报进行文本处理
  • 【本章知识结构图】
  • 【课后习题】
  • 第3章 使用Keras开发深度学习模型
  • 3.1 Keras模型生命周期
  • 3.1.1 定义网络
  • 3.1.2 编译网络
  • 3.1.3 训练网络
  • 3.1.4 评估网络
  • 3.1.5 做出预测
  • 3.2 Keras模型类型
  • 3.2.1 顺序型API模型
  • 3.2.2 函数式API模型
  • 3.3 模型可视化
  • 3.3.1 网络拓扑可视化
  • 3.3.2 TensorBoard可视化
  • 3.4 回调函数
  • 3.4.1 回调函数简介
  • 3.4.2 使用回调函数寻找最优模型
  • 3.5 模型保存及加载
  • 3.5.1 使用SavedModel格式保存及加载模型
  • 3.5.2 使用JSON格式保存及加载模型
  • 3.6 案例实训：使用Keras预测泰坦尼克号上的旅客是否生存
  • 【本章知识结构图】
  • 【课后习题】
  • 第4章 卷积神经网络及图像分类
  • 4.1 卷积神经网络原理及实现
  • 4.1.1 卷积神经网络原理
  • 4.1.2 卷积层原理
  • 4.1.3 卷积层TensorFlow实现
  • 4.1.4 池化层原理
  • 4.1.5 池化层TensorFlow实现
  • 4.1.6 全连接层
  • 4.2 迁移学习
  • 4.2.1 迁移学习概述
  • 4.2.2 使用Keras Applications实现迁移学习
  • 4.2.3 使用TensorFlow Hub实现迁移学习
  • 4.2.4 使用迁移学习实现花卉图像分类器
  • 4.3 深度强化学习
  • 4.3.1 强化学习基本概念
  • 4.3.2 深度强化学习思路
  • 4.3.3 Gym平台
  • 4.3.4 使用Keras-RL2的DQN算法实现CartPole游戏
  • 4.4 案例实训：对CIFAR-10数据集进行图像识别
  • 【本章知识结构图】
  • 【课后习题】
  • 第5章 循环神经网络在文本序列中的应用
  • 5.1 循环神经网络
  • 5.1.1 词嵌入
  • 5.1.2 简单循环网络原理及其Keras实现
  • 5.1.3 长短期记忆网络原理及其Keras实现
  • 5.1.4 门控循环单元原理及其Keras实现
  • 5.2 Seq2Seq模型
  • 5.2.1 Seq2Seq原理
  • 5.2.2 注意力机制
  • 5.2.3 利用Keras实现Seq2Seq
  • 5.2.4 利用TensorFlow Addons实现Seq2Seq
  • 5.3 Transformer模型
  • 5.3.1 Transformer模型原理
  • 5.3.2 利用KerasNLP实现Transformer
  • 5.4 案例实训：中文文本分类
  • 【本章知识结构图】
  • 【课后习题】
  • 第6章 自编码器
  • 6.1 简单自编码器
  • 6.1.1 自编码器基本结构
  • 6.1.2 简单自编码器的Keras实现
  • 6.2 稀疏自编码器
  • 6.2.1 稀疏自编码器基本原理
  • 6.2.2 稀疏自编码器的Keras实现
  • 6.3 堆栈自编码器
  • 6.3.1 堆栈自编码器基本原理
  • 6.3.2 堆栈自编码器的Keras实现
  • 6.4 卷积自编码器
  • 6.4.1 卷积自编码器基本原理
  • 6.4.2 卷积自编码器的Keras实现
  • 6.5 降噪自编码器
  • 6.5.1 降噪自编码器基本原理
  • 6.5.2 降噪自编码器的Keras实现
  • 6.6 循环自编码器
  • 6.6.1 循环自编码器基本原理
  • 6.6.2 循环自编码器的Keras实现
  • 6.7 案例实训：使用自编码器建立推荐系统
  • 【本章知识结构图】
  • 【课后习题】
  • 第7章 生成式对抗网络
  • 7.1 生成式对抗网络概述
  • 7.1.1 生成式对抗网络基本结构
  • 7.1.2 生成式对抗网络常见类型
  • 7.2 生成式对抗网络Keras实现
  • 7.2.1 GAN的Keras实现
  • 7.2.2 DCGAN的Keras实现
  • 7.3 案例实训：使用GAN和DCGAN生成数字5图像
  • 【本章知识结构图】
  • 【课后习题】
  • 第8章 模型评估及模型优化
  • 8.1 模型评估
  • 8.1.1 数值预测评估方法
  • 8.1.2 概率预测评估方法
  • 8.2 模型优化
  • 8.2.1 基于梯度下降的优化
  • 8.2.2 自适应学习率算法
  • 8.2.3 网格搜索
  • 8.2.4 防止模型过拟合
  • 8.3 在tf.keras中进行模型优化
  • 8.3.1 在tf.keras中使用Scikit-learn优化模型
  • 8.3.2 使用KerasTuner进行超参数调节
  • 8.4 案例实训1：使用Scikit-learn优化CIFAR-10分类模型
  • 8.5 案例实训2：使用KerasTuner优化CIFAR-10分类模型
  • 【本章知识结构图】
  • 【课后习题】
  • 第9章 深度学习实验项目
  • 9.1 TensorFlow Datasets实验
  • 9.2 tf.data定义高效的输入流水线
  • 9.3 在tf.keras中使用Scikit-learn优化模型
  • 9.4 ImageDataGenerator类图像增强
  • 9.5 CNN模型识别手写数字
  • 9.6 CNN模型检测驾驶员睡意
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。