类似推荐
编辑推荐
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
本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Franc?ois Chollet）执笔，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，读者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，读者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。
作者简介
弗朗索瓦·肖莱（Franc.ois Chollet），
Keras之父，TensorFlow机器学习框架贡献者，Kaggle竞赛教练，个人Kaggle竞赛全球排名曾获得第 17名。目前任职于Google，从事人工智能研究，尤其关注计算机视觉与机器学习在形式推理方面的应用。
译者：张亮（hysic），
毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师，译有《Python数据处理》《Python机器学习基础教程》等。
章节目录
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
Python深度学习是2018年由人民邮电出版社出版,作者[美]弗朗索瓦·肖莱。
得书感谢您对《Python深度学习》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。
