科技 类型
6.1 豆瓣评分
可以朗读 语音朗读
213千字 字数
2018-07-01 发行日期
展开全部

主编推荐语

绕开晦涩的理论和艰深的数学逻辑，你可以像搭建乐高积木一样搭建自己的深度学习模型，这就是Keras框架带给我们的乐趣。

内容简介

作为一款轻量级、模块化的开源深度学习框架，Keras以容易上手、利于快速原型实现、能够与TensorFlow和Theano等后端计算平台很好兼容等优点，深受众多开发人员和研究人员的喜爱。 本书结合大量实例，简明扼要地介绍了目前热门的神经网络技术和深度学习技术。从经典的多层感知机到用于图像处理的深度卷积网络，从处理序列化数据的循环网络到伪造仿真数据的生成对抗网络，从词嵌入到AI游戏应用中的强化学习，本书引ling读者一层一层揭开深度学习的面纱，并在逐渐清晰的理论框架下，提供多个Python编码实例，方便读者动手实践。 通过阅读本书，读者不仅能学会使用Keras快捷构建各个类型的深度网络，还可以按需自定义网络层和后端功能，从而提升自己的AI编程能力，在成为深度学习专家的路上更进一步。

目录

  • 版权信息
  • 内容提要
  • 本书赞誉
  • 作者简介
  • 英文版审稿人简介
  • 译者简介
  • 中文版审校者简介
  • 前言
  • 本书的目标
  • 深度学习和机器学习、人工智能的区别
  • 本书涵盖的内容
  • 本书的阅读前提
  • 本书的目标读者
  • 资源与支持
  • 配套资源
  • 提交勘误
  • 与我们联系
  • 关于异步社区和异步图书
  • 第1章 神经网络基础
  • 1.1 感知机
  • 1.2 多层感知机——第一个神经网络的示例
  • 1.3 实例——手写数字识别
  • 1.4 一种实用的反向传播概述
  • 1.5 走向深度学习之路
  • 1.6 小结
  • 第2章 Keras安装和API
  • 2.1 安装Keras
  • 2.2 配置Keras
  • 2.3 在Docker上安装Keras
  • 2.4 在谷歌Cloud ML上安装Keras
  • 2.5 在亚马逊AWS上安装Keras
  • 2.6 在微软Azure上安装Keras
  • 2.7 Keras API
  • 2.8 自定义训练过程的回调函数
  • 2.9 小结
  • 第3章 深度学习之卷积网络
  • 3.1 深度卷积神经网络——DCNN
  • 3.2 DCNN示例——LeNet
  • 3.3 用深度学习网络识别CIFAR-10图像
  • 3.4 用于大型图片识别的极深度卷积网络
  • 3.5 小结
  • 第4章 生成对抗网络和WaveNet
  • 4.1 什么是生成对抗网络
  • 4.2 深度卷积生成对抗网络
  • 4.3 用Keras adversarial生成MNIST数据
  • 4.4 用Keras adversarial生成CIFAR数据
  • 4.5 WaveNet——一个学习如何产生音频的生成模型
  • 4.6 小结
  • 第5章 词嵌入
  • 5.1 分布式表示
  • 5.2 word2vec
  • 5.3 探索GloVe
  • 5.4 使用预训练好的词向量
  • 5.5 小结
  • 第6章 循环神经网络——RNN
  • 6.1 SimpleRNN单元
  • 6.2 RNN拓扑结构
  • 6.3 梯度消失和梯度爆炸
  • 6.4 长短期记忆网络——LSTM
  • 6.5 门控循环单元——GRU
  • 6.6 双向RNN
  • 6.7 有状态RNN
  • 6.8 其他RNN变体
  • 6.9 小结
  • 第7章 其他深度学习模型
  • 7.1 Keras函数API
  • 7.2 回归网络
  • 7.3 无监督学习——自动编码器
  • 7.4 构造深度网络
  • 7.5 自定义Keras
  • 7.6 生成模型
  • 7.7 小结
  • 第8章 游戏中的AI
  • 8.1 强化学习
  • 8.2 示例——用Keras深度Q网络实现捕捉游戏
  • 8.3 未来之路
  • 8.4 小结
  • 第9章 结束语
  • 9.1 Keras 2.0——新特性
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。