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
本书以Python3为基础，循序渐进地讲解了Python从入门到进阶的知识。全书共15章。首先从Python的起源及功能特点开始讲述，介绍Python3的安装、配置，并详细讲解Python的基础知识，包括变量和运算符的使用、三大控制结构、标准数据类型、函数、文件输入和输出、面向对象编程和异常处理等相关知识；然后讲解Python的高级知识，包括OS和SYS模块的使用、正则表达式、多线程与多进程编程、
电子书
《Excel2013从入门到精通》以案例教学的方式为读者系统地介绍了Excel2013的相关知识和应用技巧。《Excel2013从入门到精通》共19章。第1～2章主要介绍Excel2013的基本操作以及数据的输入与编辑方法等；第3～7章主要介绍Excel表格的制作方法，包括工作表的修饰、插图、艺术字、图表以及单元格和单元格区域的引用等；第8～12章主要介绍公式与函数的使用方法，包括使用公式快速计算
电子书
《Windows10从入门到精通》通过精选案例引导读者深入学习，系统地介绍了Windows10操作系统的相关知识和应用技巧。《Windows10从入门到精通》分为5篇，共16章。第1篇【入门篇】主要介绍Windows10的基础知识、安装方法和基本设置等内容；第2篇【基础篇】主要介绍Windows10的个性化设置、电脑打字和文件资源管理等内容；第3篇【提高篇】主要介绍Windows10的内置应用程序
