编辑推荐
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。
作者简介
作者Antonio Gulli是企业领导和软件部门高管，具备创新精神和执行力，并乐于发现和管理全球高科技人才。他是搜索引擎、在线服务、机器学习、信息检索、数据分析以及云计算等多方面的专家。他幸运地拥有欧洲4个不同国家的工作经验，并管理过来自欧洲和美国6个不同国家的员工。Antonio在出版业（Elsevier）、消费者互联网（Ask.com 和Tiscali）以及高科技研发（微软和谷歌）等多个跨度的行业里历任CEO、GM、CTO、副总裁、总监及区域主管。
章节目录
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
Keras深度学习实战是2018年由人民邮电出版社出版,作者。
得书感谢您对《Keras深度学习实战》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。
