人工智能 类型
7.2 豆瓣评分
可以朗读 语音朗读
181千字 字数
2018-05-01 发行日期
展开全部

主编推荐语

深度学习实践指南：Keras框架实现，快速解决实际问题。适合项目经理、程序员及相关专业学生。

内容简介

本书系统的讲解了深度的基本知识，以及使用机器学习解决实际问题，详细的介绍了如何构建及优化模型，并针对不同的问题给出了不同的解决方案，通过不同的例子展示了具体的项目中的应用和实践经验，是一本非常好的深度学习的入门和实践的书籍。本书以实践为导向，使用 Keras作为编程框架，强调简单，快速的上手建立模型，解决实际项目问题。读者可以根据本书的理解，迅速上手实践深度学习，并利用深度学习解决实际的问题。本书非常适合于项目经理，有意从事机器学习开发的程序员，以及高校在读相关专业的学生。

目录

  • 版权信息
  • 内容简介
  • 序言
  • 前言
  • 第一部分 初识
  • 1 初识深度学习
  • 1.1 Python的深度学习
  • 1.2 软件环境和基本要求
  • 1.3 阅读本书的收获
  • 1.4 本书说明
  • 1.5 本书中的代码
  • 2 深度学习生态圈
  • 2.1 CNTK
  • 2.2 TensorFlow
  • 2.3 Keras
  • 2.4 云端GPUs计算
  • 第二部分 多层感知器
  • 3 第一个多层感知器实例：印第安人糖尿病诊断
  • 3.1 概述
  • 3.2 Pima Indians数据集
  • 3.3 导入数据
  • 3.4 定义模型
  • 3.5 编译模型
  • 3.6 训练模型
  • 3.7 评估模型
  • 3.8 汇总代码
  • 4 多层感知器速成
  • 4.1 多层感知器
  • 4.2 神经元
  • 4.3 神经网络
  • 4.4 训练神经网络
  • 5 评估深度学习模型
  • 5.1 深度学习模型和评估
  • 5.2 自动评估
  • 5.3 手动评估
  • 6 在Keras中使用Scikit-Learn
  • 6.1 使用交叉验证评估模型
  • 6.2 深度学习模型调参
  • 7 多分类实例：鸢尾花分类
  • 7.1 问题分析
  • 7.2 导入数据
  • 7.3 定义神经网络模型
  • 7.4 评估模型
  • 7.5 汇总代码
  • 8 回归问题实例：波士顿房价预测
  • 8.1 问题描述
  • 8.2 构建基准模型
  • 8.3 数据预处理
  • 8.4 调参隐藏层和神经元
  • 9 二分类实例：银行营销分类
  • 9.1 问题描述
  • 9.2 数据导入与预处理
  • 9.3 构建基准模型
  • 9.4 数据格式化
  • 9.5 调参网络拓扑图
  • 10 多层感知器进阶
  • 10.1 JSON序列化模型
  • 10.2 YAML序列化模型
  • 10.3 模型增量更新
  • 10.4 神经网络的检查点
  • 10.5 模型训练过程可视化
  • 11 Dropout与学习率衰减
  • 11.1 神经网络中的Dropout
  • 11.2 在Keras中使用Dropout
  • 11.3 学习率衰减
  • 第三部分 卷积神经网络
  • 12 卷积神经网络速成
  • 12.1 卷积层
  • 12.2 池化层
  • 12.3 全连接层
  • 12.4 卷积神经网络案例
  • 13 手写数字识别
  • 13.1 问题描述
  • 13.2 导入数据
  • 13.3 多层感知器模型
  • 13.4 简单卷积神经网络
  • 13.5 复杂卷积神经网络
  • 14 Keras中的图像增强
  • 14.1 Keras中的图像增强API
  • 14.2 增强前的图像
  • 14.3 特征标准化
  • 14.4 ZCA白化
  • 14.5 随机旋转、移动、剪切和反转图像
  • 14.6 保存增强后的图像
  • 15 图像识别实例：CIFAR-10分类
  • 15.1 问题描述
  • 15.2 导入数据
  • 15.3 简单卷积神经网络
  • 15.4 大型卷积神经网络
  • 15.5 改进模型
  • 16 情感分析实例：IMDB影评情感分析
  • 16.1 问题描述
  • 16.2 导入数据
  • 16.3 词嵌入
  • 16.4 多层感知器模型
  • 16.5 卷积神经网络
  • 第四部分 循环神经网络
  • 17 循环神经网络速成
  • 17.1 处理序列问题的神经网络
  • 17.2 循环神经网络
  • 17.3 长短期记忆网络
  • 18 多层感知器的时间序列预测：国际旅行人数预测
  • 18.1 问题描述
  • 18.2 导入数据
  • 18.3 多层感知器
  • 18.4 使用窗口方法的多层感知器
  • 19 LSTM时间序列问题预测：国际旅行人数预测
  • 19.1 LSTM处理回归问题
  • 19.2 使用窗口方法的LSTM回归
  • 19.3 使用时间步长的LSTM回归
  • 19.4 LSTM的批次间记忆
  • 19.5 堆叠LSTM的批次间记忆
  • 20 序列分类：IMDB影评分类
  • 20.1 问题描述
  • 20.2 简单LSTM
  • 20.3 使用Dropout改进过拟合
  • 20.4 混合使用LSTM和CNN
  • 21 多变量时间序列预测：PM2.5预报
  • 21.1 问题描述
  • 21.2 数据导入与准备
  • 21.3 构建数据集
  • 21.4 简单LSTM
  • 22 文本生成实例：爱丽丝梦游仙境
  • 22.1 问题描述
  • 22.2 导入数据
  • 22.3 分词与向量化
  • 22.4 词云
  • 22.5 简单LSTM
  • 22.6 生成文本
  • 附录A 深度学习的基本概念
  • A.1 神经网络基础
  • A.2 卷积神经网络
  • A.3 循环神经网络
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。