5.0 用户推荐指数
科技
类型
9.5
豆瓣评分
可以朗读
语音朗读
300千字
字数
2018-08-01
发行日期
展开全部
主编推荐语
Keras之父、谷歌人工智能研究员弗朗索瓦·肖莱执笔,深度学习领域力作。
内容简介
本书详尽介绍了用Python和Keras进行深度学习的探索实践,包括计算机视觉、自然语言处理、产生式模型等应用。
书中包含30多个代码示例,步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化,你无须具备机器学习相关背景知识即可展开阅读。
在学习完本书后,你将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。
目录
- 版权信息
- 前言
- 致谢
- 关于本书
- 谁应该阅读这本书
- 学习路线图
- 软件 / 硬件需求
- 源代码
- 本书论坛
- 电子书
- 关于封面
- 第一部分 深度学习基础
- 第1章 什么是深度学习
- 1.1 人工智能、机器学习与深度学习
- 1.2 深度学习之前:机器学习简史
- 1.3 为什么是深度学习,为什么是现在
- 第2章 神经网络的数学基础
- 2.1 初识神经网络
- 2.2 神经网络的数据表示
- 2.3 神经网络的“齿轮”:张量运算
- 2.4 神经网络的“引擎”:基于梯度的优化
- 2.5 回顾第一个例子
- 本章小结
- 第3章 神经网络入门
- 3.1 神经网络剖析
- 3.2 Keras 简介
- 3.3 建立深度学习工作站
- 3.4 电影评论分类:二分类问题
- 3.5 新闻分类:多分类问题
- 3.6 预测房价:回归问题
- 本章小结
- 第4章 机器学习基础
- 4.1 机器学习的四个分支
- 4.2 评估机器学习模型
- 4.3 数据预处理、特征工程和特征学习
- 4.4 过拟合与欠拟合
- 4.5 机器学习的通用工作流程
- 本章小结
- 第二部分 深度学习实践
- 第5章 深度学习用于计算机视觉
- 5.1 卷积神经网络简介
- 5.2 在小型数据集上从头开始训练一个卷积神经网络
- 5.3 使用预训练的卷积神经网络
- 5.4 卷积神经网络的可视化
- 本章小结
- 第6章 深度学习用于文本和序列
- 6.1 处理文本数据
- 6.2 理解循环神经网络
- 6.3 循环神经网络的高级用法
- 6.4 用卷积神经网络处理序列
- 本章总结
- 第7章 高级的深度学习最佳实践
- 7.1 不用 Sequential 模型的解决方案:Keras 函数式 API
- 7.2 使用 Keras 回调函数和 TensorBoard 来检查并监控深度学习模型
- 7.3 让模型性能发挥到极致
- 本章总结
- 第8章 生成式深度学习
- 8.1 使用 LSTM 生成文本
- 8.2 DeepDream
- 8.3 神经风格迁移
- 8.4 用变分自编码器生成图像
- 8.5 生成式对抗网络简介
- 本章总结
- 第9章 总结
- 9.1 重点内容回顾
- 9.2 深度学习的局限性
- 9.3 深度学习的未来
- 9.4 了解一个快速发展领域的最新进展
- 9.5 结束语
- 附录A 在 Ubuntu 上安装 Keras 及其依赖
- A.1 安装 Python 科学套件
- A.2 设置 GPU 支持
- A.3 安装 Theano(可选)
- A.4 安装 Keras
- 附录B 在 EC2 GPU 实例上运行 Jupyter 笔记本
- B.1 什么是 Jupyter 笔记本,为什么要在 AWS GPU 上运行 Jupyter 笔记本
- B.2 为什么你不想在 AWS 上使用 Jupyter 进行深度学习
- B.3 设置 AWS GPU 实例
- B.4 安装 Keras
- B.5 设置本地端口转发
- B.6 在本地浏览器中使用 Jupyter
- 看完了
展开全部
出版方
人民邮电出版社·图灵出品
图灵社区成立于2005年6月,由人民邮电出版社投资控股,以策划出版高质量的科技书籍为核心业务,主要出版领域包括计算机、电子电气、数学统计、科普等,通过引进国际高水平的教材、专著,以及发掘国内优秀原创作品等途径,为目标读者提供一流的内容。