本书从人工智能导论入手，阐述人工智能的发展及现状，重点介绍了机器学习和神经网络基础、反向传播原理、卷积神经网络和循环神经网络等内容。本书内容由浅入深，循序渐进，从神经元和感知机入手，逐步讲解深度学习中神经网络基础、反向传播以及更深层次的卷积神经网络、循环神经网络。本书知识体系完整，内容覆盖面广，介绍了深度学习中常用的模型和算法，助力读者多方位掌握深度学习的相关知识。本书可作为高等院校计算机等相关专
电子书
内容简介
本书以Keras深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用Keras进行深度学习的重要内容。全书共7章，内容包括深度学习概述、Keras深度学习通用流程、Keras深度学习基础、基于RetinaNet的目标检测、基于LSTM网络的诗歌生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现诗歌生成等。本书大部分章包含实训和课后习题，通过练习和操作实践，读者可以巩固所学的内容。 本书可以作为高校数据科学或人工智能相关专业的教材，也可作为深度学习爱好者的自学用书。
章节目录
- 封面
- 扉页
- 版权信息
- 内容提要
- 大数据技术精品系列教材专家委员会
- 序
- 前言
- 第1章 深度学习概述
- 1.1 深度学习简介
- 1.1.1 深度学习的定义
- 1.1.2 深度学习常见应用
- 1.2 深度学习与应用领域
- 1.2.1 深度学习与计算机视觉
- 1.2.2 深度学习与自然语言处理
- 1.2.3 深度学习与语音识别
- 1.2.4 深度学习与机器学习
- 1.2.5 深度学习与人工智能
- 1.3 Keras简介
- 1.3.1 各深度学习框架对比
- 1.3.2 Keras与TensorFlow的关系
- 1.3.3 Keras常见接口
- 1.3.4 Keras特性
- 1.3.5 Keras安装
- 1.3.6 Keras中的预训练模型
- 小结
- 课后习题
- 第2章 Keras深度学习通用流程
- 2.1 基于全连接网络的手写数字识别实例
- 2.2 数据加载与预处理
- 2.2.1 数据加载
- 2.2.2 数据预处理
- 2.3 构建网络
- 2.3.1 模型生成
- 2.3.2 核心层
- 2.3.3 自定义层
- 2.4 训练网络
- 2.4.1 优化器
- 2.4.2 损失函数
- 2.4.3 训练方法
- 2.5 性能评估
- 2.5.1 性能监控
- 2.5.2 回调检查
- 2.6 模型的保存与加载
- 实训1 利用Keras进行数据加载与增强
- 实训2 利用Keras构建网络并训练
- 小结
- 课后习题
- 第3章 Keras深度学习基础
- 3.1 卷积神经网络基础
- 3.1.1 卷积神经网络中的常用网络层
- 3.1.2 基于卷积神经网络的手写数字识别实例
- 3.1.3 常用卷积神经网络算法及其结构
- 3.2 循环神经网络
- 3.2.1 循环神经网络中的常用网络层
- 3.2.2 基于循环神经网络和Self Attention网络的新闻摘要分类实例
- 3.3 生成对抗网络
- 3.3.1 常用生成对抗网络算法及其结构
- 3.3.2 基于生成对抗网络的手写数字生成实例
- 实训1 卷积神经网络
- 实训2 循环神经网络
- 实训3 生成对抗网络
- 小结
- 课后习题
- 第4章 基于RetinaNet的目标检测
- 4.1 算法简介与目标分析
- 4.1.1 背景介绍
- 4.1.2 目标检测算法概述
- 4.1.3 目标检测相关理论介绍
- 4.1.4 分析目标
- 4.1.5 项目工程结构
- 4.2 数据准备
- 4.2.1 数据集下载
- 4.2.2 图像预处理
- 4.2.3 数据集编码
- 4.2.4 数据集管道设置
- 4.3 构建网络
- 4.3.1 RetinaNet的网络结构
- 4.3.2 构建RetinaNet
- 4.4 训练网络
- 4.4.1 定义损失函数
- 4.4.2 训练网络
- 4.4.3 加载模型测试点
- 4.5 模型预测
- 4.5.1 进行解码与非极大值抑制处理
- 4.5.2 预测结果
- 实训 使用VOC2007数据集训练和测试RetinaNet
- 小结
- 课后习题
- 第5章 基于LSTM网络的诗歌生成
- 5.1 目标分析
- 5.1.1 背景介绍
- 5.1.2 分析目标
- 5.1.3 项目工程结构
- 5.2 文本预处理
- 5.2.1 标识诗句结束点
- 5.2.2 去除低频词
- 5.2.3 构建映射
- 5.3 构建网络
- 5.3.1 设置配置项参数
- 5.3.2 生成训练数据
- 5.3.3 构建LSTM网络
- 5.4 训练网络
- 5.4.1 查看学习情况
- 5.4.2 生成诗句
- 5.4.3 训练网络
- 5.5 结果分析
- 实训 基于LSTM网络的文本生成
- 小结
- 课后习题
- 第6章 基于CycleGAN的图像风格转换
- 6.1 目标分析
- 6.1.1 背景介绍
- 6.1.2 分析目标
- 6.1.3 项目工程结构
- 6.2 数据准备
- 6.3 构建网络
- 6.3.1 定义恒等映射网络函数
- 6.3.2 定义残差网络函数
- 6.3.3 定义生成器函数
- 6.3.4 定义判别器函数
- 6.4 训练网络
- 6.4.1 定义训练过程函数
- 6.4.2 定义生成图像函数
- 6.5 结果分析
- 实训 基于CycleGAN实现莫奈画作与现实风景图像的风格转换
- 小结
- 课后习题
- 第7章 基于TipDM大数据挖掘建模平台实现诗歌生成
- 7.1 平台简介
- 7.1.1 共享库
- 7.1.2 数据连接
- 7.1.3 数据集
- 7.1.4 我的工程
- 7.1.5 个人组件
- 7.2 实现诗歌生成
- 7.2.1 配置数据源
- 7.2.2 文本预处理
- 7.2.3 构建网络
- 7.2.4 训练网络
- 7.2.5 结果分析
- 实训 实现基于TipDM大数据挖掘建模平台的文本生成
- 小结
- 课后习题
展开全部
Keras与深度学习实战是2023年由人民邮电出版社出版,作者张良均 主编。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Keras与深度学习实战》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。
电子书
电子书
本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，主要内容如下：第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行；第2章为机器学习概述，讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本；第3章介绍从生物神经元到
电子书
本书以PyTorch深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用PyTorch实现深度学习应用的重要内容。本书共7章，内容包括深度学习概述、PyTorch深度学习通用流程、PyTorch深度学习基础、手写汉字识别、文本生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现文本生成等。本书大部分章包含实训和课后习题，希望通过练习和操作实践，帮助读者巩固所学的内
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。
电子书
内容提要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第1章介绍了深度学习及其主流框架；第2章介绍了几种不同的PaddlePaddle安装方式；第3章使用MNIST数据集实现手写数字识别；第4章介绍CIFAR彩色图像识别；第5章介绍了自定义数据集的识别；第6章介绍了验证码的识别；第7章介绍了场景文字的识别；第8章实现了验
电子书
本书以深度学习的常用技术与TensorFlow2真实案例相结合的方式，深入浅出地介绍TensorFlow2实现深度学习的重要内容。全书共7章，分为基础篇（第1～3章）和实战篇（第4～7章），基础篇内容包括深度学习概述、TensorFlow2快速入门、深度神经网络原理及实现等基础知识；实战篇内容包括4个案例，分别为基于CNN的门牌号识别、基于LSTM网络的语音识别、基于CycleGAN的图像风格转换
电子书
本书以深度学习在计算机视觉领域的常用技术与案例相结合的方式，深入浅出地介绍计算机视觉的常见任务及实现技术。全书共7章，内容包含概述、图像处理基本操作、深度学习视觉基础任务、基于FaceNet的人脸识别实战、基于FasterR-CNN的目标检测实战、基于U-Net的城市道路场景分割实战、基于SRGAN的图像超分辨率技术实战等。本书大部分章包含操作实践代码和课后习题，希望能够帮助读者在计算机视觉基础任
电子书
机器学习是人工智能领域一个极其重要的研究方向，而深度学习则是机器学习中一个非常接近AI的分支，其思路在于建立进行分析学习的神经网络，模仿人脑感知与组织的方式，根据输入数据做出决策。深度学习在快速的发展过程中，不断有与其相关的产品推向市场，显然，深度学习的应用将会日趋广泛。《Python深度学习：逻辑、算法与编程实战》是关于深度学习的理论、算法、应用的实战教程，内容涵盖深度学习的语言、学习环境、典型
