类似推荐
编辑推荐
了解深度学习的入门书。
内容简介
本书理论结合实践，详细介绍深度学习的基础理论以及相关的必要知识，同时讲解深度学习模型和代码，以实际动手操作的方式来引导读者学习。
本书共分12章，主要包括深度学习的环境准备、深度学习的基础知识准备、神经网络相关知识及优化、卷积神经网络相关知识与可视化以及使用Keras构建神经网络、卷积神经网络、循环神经网络等内容。
本书适合希望了解深度学习、掌握深度学习基础、使用深度学习工具快速上手的学生和技术人员作为入门图书。
章节目录
版权信息
前言
第1章 深度学习入门
1.1 什么是深度学习
1.1.1 深度学习是一种特定类型的机器学习
1.1.2 深度学习是数学问题
1.1.3 深度学习是一个黑箱
1.2 深度学习的发展
1.3 认识当前的深度学习
1.3.1 为什么是现在
1.3.2 当数据成为“燃料”
1.3.3 深度学习的突破
1.4 深度学习的应用领域
1.4.1 深度学习适合做什么
1.4.2 深度学习的应用场景
1.5 如何入门深度学习
第2章 深度学习的环境准备
2.1 选择Python作为深度学习的编程语言
2.2 深度学习常用框架介绍
2.3 选择适合自己的框架
2.4 Python的安装
2.4.1 概述
2.4.2 安装Anaconda
2.4.3 使用conda进行环境管理和包管理
2.5 Keras的安装
2.5.1 什么是Keras
2.5.2 安装TensorFlow
2.5.3 安装Keras
第3章 深度学习的知识准备
3.1 概率论
3.1.1 什么是概率
3.1.2 概率分布
3.1.3 信息论
3.2 线性代数
3.2.1 矩阵
3.2.2 矩阵的运算
3.2.3 从矩阵中取值
3.2.4 相关术语
3.3 导数
3.3.1 什么是导数
3.3.2 链式法则
3.4 机器学习基础
3.4.1 监督学习
3.4.2 分类和回归
3.4.3 训练、验证和预测
第4章 神经网络
4.1 神经网络与深度学习
4.1.1 生物学中的神经网络
4.1.2 深度学习网络
4.2 前向传播算法
4.2.1 神经网络的表示
4.2.2 神经元的计算
4.2.3 激活函数
4.2.4 神经网络的前向传播
4.3 反向传播算法
4.3.1 神经网络的训练
4.3.2 损失函数
4.3.3 梯度下降
4.3.4 神经网络的反向传播
4.4 更好地训练神经网络
4.4.1 选择正确的损失函数
4.4.2 选择通用的激活函数
4.4.3 更合适的优化算法
4.4.4 选择合适的批量
4.4.5 参数初始化
第5章 使用Keras构建神经网络
5.1 Keras中的模型
5.2 Keras中的网络层
5.3 模型的编译
5.3.1 优化器
5.3.2 损失函数
5.3.3 性能评估
5.4 训练模型
5.5 使用训练好的模型
5.6 实例：手写体分类问题
5.7 Keras批量训练大量数据
5.8 在Keras中重复使用模型
第6章 神经网络的进一步优化
6.1 过拟合
6.2 梯度消失和梯度爆炸
6.3 局部最优
6.4 批量归一化
第7章 卷积神经网络
7.1 计算机视觉和图像识别
7.2 卷积神经网络基础
7.2.1 卷积神经网络的结构
7.2.2 卷积层
7.2.3 池化层
7.2.4 卷积神经网络的设计
7.3 为什么要使用卷积神经网络
7.4 图像处理数据集
7.5 CNN发展历程
7.5.1 AlexNet
7.5.2 VGG
7.5.3 Inception
7.5.4 ResNet
第8章 使用Keras构建卷积神经网络
8.1 Keras中的卷积层
8.2 Keras中的池化层
8.3 Keras中的全连接层
8.4 实例1：使用卷积神经网络处理手写体分类问题
8.5 实例2：重复使用已经训练好的卷积神经网络模型
8.6 图像的数据增强
8.6.1 使用ImageDataGenerator进行数据增强
8.6.2 使用增强数据进行模型训练
第9章 卷积神经网络可视化
9.1 概述
9.2 对神经网络进行可视化
9.2.1 可视化神经网络的中间层
9.2.2 可视化过滤器
9.3 对关注点进行可视化
9.3.1 显著图
9.3.2 类激活图
9.4 自动驾驶的应用
第10章 迁移学习
10.1 什么是迁移学习
10.2 为什么要使用迁移学习
10.3 迁移学习的适用性
10.4 在Keras中进行迁移学习
10.4.1 在MNIST上迁移学习的例子
10.4.2 迁移学习的适用情况
10.4.3 实例
第11章 循环神经网络
11.1 神经网络中的序列问题
11.2 循环神经网络的使用
11.2.1 输入/输出
11.2.2 前向传播
11.2.3 反向传播
11.3 长短期记忆网络
11.4 应用场景
第12章 使用Keras构建循环神经网络
12.1 Keras中的循环层
12.2 Keras中的嵌入层
12.3 IMDB实例
12.3.1 全连接网络
12.3.2 SimpleRNN
12.3.3 LSTM
12.3.4 双向循环神经网络
12.3.5 用了卷积层的循环网络结构
12.4 LSTM实例
12.4.1 深度学习中的时间序列问题
12.4.2 使用更多的历史信息
12.4.3 多个时间步长的预测
12.5 有状态的循环神经网络
12.5.1 字母预测问题
12.5.2 有状态的LSTM
零基础入门Python深度学习是2020年由机械工业出版社出版,作者刘文如。
得书感谢您对《零基础入门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。
