本书讲解了深度学习的相关知识。全书共8章，包括深度学习简介及TensorFlow安装、神经网络基础、神经网络的TensorFlow实现、卷积神经网络基础、经典卷积神经网络(上)、经典卷积神经网络(下)、深度学习在文本序列中的应用以及深度学习实验项目等内容。
电子书
内容简介
本书基于当前流行的深度学习框架之一——Keras，从新手的角度出发，详细讲解Keras的原理，力求帮助读者实现Keras从入门到精通。全书共9章，主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras开发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估及模型优化，以及深度学习实验项目。本书内容由浅入深、语言通俗易懂，从基本原理到案例应用、从基础算法到对复杂模型的剖析，让读者在循序渐进的学习中理解Keras。 本书可作为高等院校计算机、通信、大数据等专业相关课程的教材，也可作为人工智能、图像处理、计算机等方向的科研人员和深度学习技术爱好者的参考书。
章节目录
- 封面
- 扉页
- 版权页
- 内容提要
- 前言
- 第1章 初识深度学习
- 1.1 深度学习基础理论
- 1.1.1 机器学习与深度学习
- 1.1.2 神经网络基础
- 1.1.3 常用深度学习模型
- 1.2 主流深度学习框架介绍
- 1.2.1 TensorFlow
- 1.2.2 PyTorch
- 1.3 深度学习开发环境搭建
- 1.3.1 硬件环境准备
- 1.3.2 软件环境准备
- 1.3.3 安装Anaconda
- 1.3.4 安装TensorFlow 2
- 1.4 构建深度学习模型
- 1.4.1 MNIST数据集概述
- 1.4.2 数据预处理
- 1.4.3 构建及编译模型
- 1.4.4 模型训练
- 1.4.5 模型评估及预测
- 【本章知识结构图】
- 【课后习题】
- 第2章 深度学习的数据预处理技术
- 2.1 数据预处理技术
- 2.1.1 结构化数据预处理
- 2.1.2 非结构化数据预处理
- 2.2 利用OpenCV进行图像预处理
- 2.2.1 读取、显示和保存图像
- 2.2.2 图像像素的获取和编辑
- 2.2.3 图像几何变换
- 2.2.4 色彩通道分离和融合
- 2.2.5 颜色空间转换
- 2.3 利用TensorFlow进行图像预处理
- 2.3.1 图像缩放
- 2.3.2 图像裁剪
- 2.3.3 图像色彩调整
- 2.3.4 图像翻转
- 2.4 利用jieba进行文本预处理
- 2.4.1 jieba分词
- 2.4.2 添加自定义词典
- 2.4.3 关键词提取
- 2.4.4 词性标注
- 2.5 利用Keras进行文本预处理
- 2.5.1 Unicode编码
- 2.5.2 分词器
- 2.5.3 独热编码
- 2.5.4 填充序列
- 2.6 案例实训：对业务员工作日报进行文本处理
- 【本章知识结构图】
- 【课后习题】
- 第3章 使用Keras开发深度学习模型
- 3.1 Keras模型生命周期
- 3.1.1 定义网络
- 3.1.2 编译网络
- 3.1.3 训练网络
- 3.1.4 评估网络
- 3.1.5 做出预测
- 3.2 Keras模型类型
- 3.2.1 顺序型API模型
- 3.2.2 函数式API模型
- 3.3 模型可视化
- 3.3.1 网络拓扑可视化
- 3.3.2 TensorBoard可视化
- 3.4 回调函数
- 3.4.1 回调函数简介
- 3.4.2 使用回调函数寻找最优模型
- 3.5 模型保存及加载
- 3.5.1 使用SavedModel格式保存及加载模型
- 3.5.2 使用JSON格式保存及加载模型
- 3.6 案例实训：使用Keras预测泰坦尼克号上的旅客是否生存
- 【本章知识结构图】
- 【课后习题】
- 第4章 卷积神经网络及图像分类
- 4.1 卷积神经网络原理及实现
- 4.1.1 卷积神经网络原理
- 4.1.2 卷积层原理
- 4.1.3 卷积层TensorFlow实现
- 4.1.4 池化层原理
- 4.1.5 池化层TensorFlow实现
- 4.1.6 全连接层
- 4.2 迁移学习
- 4.2.1 迁移学习概述
- 4.2.2 使用Keras Applications实现迁移学习
- 4.2.3 使用TensorFlow Hub实现迁移学习
- 4.2.4 使用迁移学习实现花卉图像分类器
- 4.3 深度强化学习
- 4.3.1 强化学习基本概念
- 4.3.2 深度强化学习思路
- 4.3.3 Gym平台
- 4.3.4 使用Keras-RL2的DQN算法实现CartPole游戏
- 4.4 案例实训：对CIFAR-10数据集进行图像识别
- 【本章知识结构图】
- 【课后习题】
- 第5章 循环神经网络在文本序列中的应用
- 5.1 循环神经网络
- 5.1.1 词嵌入
- 5.1.2 简单循环网络原理及其Keras实现
- 5.1.3 长短期记忆网络原理及其Keras实现
- 5.1.4 门控循环单元原理及其Keras实现
- 5.2 Seq2Seq模型
- 5.2.1 Seq2Seq原理
- 5.2.2 注意力机制
- 5.2.3 利用Keras实现Seq2Seq
- 5.2.4 利用TensorFlow Addons实现Seq2Seq
- 5.3 Transformer模型
- 5.3.1 Transformer模型原理
- 5.3.2 利用KerasNLP实现Transformer
- 5.4 案例实训：中文文本分类
- 【本章知识结构图】
- 【课后习题】
- 第6章 自编码器
- 6.1 简单自编码器
- 6.1.1 自编码器基本结构
- 6.1.2 简单自编码器的Keras实现
- 6.2 稀疏自编码器
- 6.2.1 稀疏自编码器基本原理
- 6.2.2 稀疏自编码器的Keras实现
- 6.3 堆栈自编码器
- 6.3.1 堆栈自编码器基本原理
- 6.3.2 堆栈自编码器的Keras实现
- 6.4 卷积自编码器
- 6.4.1 卷积自编码器基本原理
- 6.4.2 卷积自编码器的Keras实现
- 6.5 降噪自编码器
- 6.5.1 降噪自编码器基本原理
- 6.5.2 降噪自编码器的Keras实现
- 6.6 循环自编码器
- 6.6.1 循环自编码器基本原理
- 6.6.2 循环自编码器的Keras实现
- 6.7 案例实训：使用自编码器建立推荐系统
- 【本章知识结构图】
- 【课后习题】
- 第7章 生成式对抗网络
- 7.1 生成式对抗网络概述
- 7.1.1 生成式对抗网络基本结构
- 7.1.2 生成式对抗网络常见类型
- 7.2 生成式对抗网络Keras实现
- 7.2.1 GAN的Keras实现
- 7.2.2 DCGAN的Keras实现
- 7.3 案例实训：使用GAN和DCGAN生成数字5图像
- 【本章知识结构图】
- 【课后习题】
- 第8章 模型评估及模型优化
- 8.1 模型评估
- 8.1.1 数值预测评估方法
- 8.1.2 概率预测评估方法
- 8.2 模型优化
- 8.2.1 基于梯度下降的优化
- 8.2.2 自适应学习率算法
- 8.2.3 网格搜索
- 8.2.4 防止模型过拟合
- 8.3 在tf.keras中进行模型优化
- 8.3.1 在tf.keras中使用Scikit-learn优化模型
- 8.3.2 使用KerasTuner进行超参数调节
- 8.4 案例实训1：使用Scikit-learn优化CIFAR-10分类模型
- 8.5 案例实训2：使用KerasTuner优化CIFAR-10分类模型
- 【本章知识结构图】
- 【课后习题】
- 第9章 深度学习实验项目
- 9.1 TensorFlow Datasets实验
- 9.2 tf.data定义高效的输入流水线
- 9.3 在tf.keras中使用Scikit-learn优化模型
- 9.4 ImageDataGenerator类图像增强
- 9.5 CNN模型识别手写数字
- 9.6 CNN模型检测驾驶员睡意
展开全部
深度学习从入门到精通是2023年由人民邮电出版社出版,作者谢佳标 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《深度学习从入门到精通》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
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其支持多种客户端语言下的安装和运行。本书以TensorFlow为导线，进行机器学习，书中每章节都是以理论引出，TensorFlow应用巩固结束，理论与实践相结合，让读者快速掌握TensorFlow机器学习。本书共10章，主要包括内容有：TensorFlow介绍、TensorFlow编辑基础、TensorFlow进阶
电子书
本书由浅入深，依次介绍了可编程控制器(PLC)的基础知识和编程知识。其中基础知识主要讲解了PLC的概述、PLC的基本结构、组成及工作原理、进制及其转换、二进制运算、PLC数据类型、脉冲信号、时序图和编程软元件等。编程知识部分以三菱FX系列PLC为例，介绍了PLC的编程语言、指令系统、编程软件，并通过三个实例介绍了三菱系列PLC的应用与开发方法。
电子书
本书以零基础讲解为宗旨，用实例引导读者学习，深入浅出地介绍了Andriod开发的相关知识和实战技能。本书第1篇【基础知识】主要讲解Android开发环境的搭建方法和应用开发基础知识等内容；第2篇【核心技术】主要讲解UI界面布局、核心组件、事件处理、Activity界面表现、Intent和IntentFilter、Service和BroadcastReceiver、应用资源管理机制、数据存储等内容；
电子书
本书是讲解Illustrator操作的实例教学图书，以软件操作技法为核心，结合大量容易上手且富有设计感的原创设计案例，循序渐进地介绍软件操作并引入各类设计的创作思路和创作技法。全书包含44个案例训练、16个综合训练、9个商业实训，以及166集1300多分钟教学视频（近600分钟软件功能讲解视频和750多分钟案例制作视频）。本书详细讲解Illustrator2023基础操作、对象的管理与编辑、形状系
电子书
本书循序渐进、深入讲解了Python语言的核心开发技术，并通过具体实例的实现过程演练了各个知识点的具体使用流程。分别讲解了选择IDE开发工具，列表、元组和字典，核心语法实战演练，标准库函数应用实战，正则表达式实战演练，网络编程开发实战，多线程开发实践演练，开发图形化桌面程序，使用SQLite3数据库，使用数据库存储数据，Pygame游戏开发实战，数据可视化，大数据分析系统，人工智能系统。全书简洁而
电子书
本书从最基础的Creo4.0安装和使用方法讲起，循序渐进地讲解了Creo4.0的软件配置、二维草图设计、零件与装配设计、模型的测量与分析、工程图设计、曲面设计、钣金设计、动画设计、机构运动仿真与分析、模型的外观设置与渲染、模具设计、数控编程与加工等内容。书中配有大量的实际综合应用案例。
电子书
《MATLAB2020从入门到精通》以MATLAB2020为基础讲解数学计算和仿真分析的各种方法和技巧，是一套有助于相关专业学生与零基础读者灵活掌握相关知识的教学指南。通过本书的讲解，学生与零基础读者可以*终脱离书本，将相关知识应用于工程实践中。《MATLAB2020从入门到精通》主要包括MATLAB入门、MATLAB数值计算基础、矩阵求逆和条件数、MATLAB编程基础、可视化绘图命令、字符计算、
