《Python深度學習》中文版PDF附英文原版Deep ... - 台部落

《Python深度學習》中文版PDF及對應的英文原版pdf《Deep Learning With Python》中文版314頁，英文版373頁，帶目錄人工智能機器學習經典教程用Python ... 請輸入正確的登錄賬號或密碼 註冊 忘記密碼 首頁 未分類 正文 《Python深度學習》中文版PDF附英文原版DeepLearningWithPython下載 原創 ke又黑 2019-01-1812:57 《Python深度學習》中文版PDF及對應的英文原版pdf《DeepLearningWithPython》中文版314頁，英文版373頁，帶目錄 人工智能機器學習經典教程用PythonKerasTensorFlow進行深度學習的探索實踐Keras之父谷歌人工智能研究員執筆深度學習領域力作 下載地址：https://pan.baidu.com/s/1cTcINmIm9dozvM9lD9l6qg備用地址：https://u1593575.ctfile.com/fs/1593575-330920031 《Python深度學習》由Keras之父、現任Google人工智能研究員的Franc?oisChollet執筆，詳盡展示了用Python、Keras、TensorFlow進行深度學習的探索實踐，涉及計算機視覺、自然語言處理、生成式模型等應用。

在學習完本書後，讀者將瞭解深度學習、機器學習和神經網絡的關鍵概念，具備搭建自己的深度學習環境、建立圖像識別模型、生成圖像和文字等能力，學會解決現實世界中的深度學習問題。

除此之外，本書還深刻剖析了當前的"人工智能熱"，從理性的視角展望了深度學習在未來的可能性。

●30多個代碼示例，帶你全面掌握如何用深度學習解決實際問題●Keras框架速成的明智之選●夯實深度學習基礎，在實踐中培養對深度神經網絡的良好直覺●無須機器學習經驗和高等數學背景"本書在當前的'人工智能熱'和深度學習的本來面目之間架起了一座橋樑。

"--PeterRabinovitch，雲平臺Akamai高級性能工程師"本書是助你進階爲Keras及深度學習高手的祕笈。

"--ClaudioRodriguez，IT服務公司CandidPartners高級DevOps工程師"本書是我爲華盛頓大學設計的一門深度學習課程所選的教材，非常實用。

能夠直接得到Keras之父的建議真是一樁幸事。

" 目　　錄第一部分　深度學習基礎第　1章什麼是深度學習　21.1　人工智能、機器學習與深度學習　21.1.1　人工智能　31.1.2　機器學習　31.1.3　從數據中學習表示　41.1.4　深度學習之“深度”　61.1.5　用三張圖理解深度學習的工作原理　71.1.6　深度學習已經取得的進展　91.1.7　不要相信短期炒作　91.1.8　人工智能的未來　101.2　深度學習之前：機器學習簡史　111.2.1　概率建模　111.2.2　早期神經網絡　111.2.3　核方法　121.2.4　決策樹、隨機森林與梯度提升機　131.2.5　回到神經網絡　141.2.6　深度學習有何不同　141.2.7　機器學習現狀　151.3　爲什麼是深度學習，爲什麼是現在　151.3.1　硬件　161.3.2　數據　171.3.3　算法　171.3.4　新的投資熱潮　171.3.5　深度學習的大衆化　181.3.6　這種趨勢會持續嗎　18第　2章神經網絡的數學基礎　202.1　初識神經網絡　202.2　神經網絡的數據表示　232.2.1　標量（0D張量）　232.2.2　向量（1D張量）　242.2.3　矩陣（2D張量）　242.2.4　3D張量與更高維張量　242.2.5　關鍵屬性　252.2.6　在Numpy中操作張量　262.2.7　數據批量的概念　272.2.8　現實世界中的數據張量　272.2.9　向量數據　272.2.10　時間序列數據或序列數據　282.2.11　圖像數據　282.2.12　視頻數據　292.3　神經網絡的“齒輪”：張量運算　292.3.1　逐元素運算　302.3.2　廣播　312.3.3　張量點積　322.3.4　張量變形　342.3.5　張量運算的幾何解釋　342.3.6　深度學習的幾何解釋　352.4　神經網絡的“引擎”：基於梯度的優化　362.4.1　什麼是導數　372.4.2　張量運算的導數：梯度　382.4.3　隨機梯度下降　382.4.4　鏈式求導：反向傳播算法　412.5　回顧第一個例子　41本章小結　42第3章　神經網絡入門　433.1　神經網絡剖析　433.1.1　層：深度學習的基礎組件　443.1.2　模型：層構成的網絡　453.1.3　損失函數與優化器：配置學習過程的關鍵　453.2　Keras簡介　463.2.1　Keras、TensorFlow、Theano和CNTK　473.2.2　使用Keras開發：概述　483.3　建立深度學習工作站　493.3.1　Jupyter筆記本：運行深度學習實驗的首選方法　493.3.2　運行Keras：兩種選擇　503.3.3　在雲端運行深度學習任務：優點和缺點　503.3.4　深度學習的最佳GPU　503.4　電影評論分類：二分類問題　513.4.1　IMDB數據集　513.4.2　準備數據　523.4.3　構建網絡　523.4.4　驗證你的方法　563.4.5　使用訓練好的網絡在新數據上生成預測結果　593.4.6　進一步的實驗　593.4.7　小結　593.5　新聞分類：多分類問題　593.5.1　路透社數據集　603.5.2　準備數據　613.5.3　構建網絡　613.5.4　驗證你的方法　623.5.5　在新數據上生成預測結果　653.5.6　處理標籤和損失的另一種方法　653.5.7　中間層維度足夠大的重要性　653.5.8　進一步的實驗　663.5.9　小結　663.6　預測房價：迴歸問題　663.6.1　波士頓房價數據集　673.6.2　準備數據　673.6.3　構建網絡　683.6.4　利用K折驗證來驗證你的方法　683.6.5　小結　72本章小結　73第4章　機器學習基礎　744.1　機器學習的四個分支　744.1.1　監督學習　744.1.2　無監督學習　754.1.3　自監督學習　754.1.4　強化學習　754.2　評估機器學習模型　764.2.1　訓練集、驗證集和測試集　774.2.2　評估模型的注意事項　804.3　數據預處理、特徵工程和特徵學習　804.3.1　神經網絡的數據預處理　804.3.2　特徵工程　814.4　過擬合與欠擬合　834.4.1　減小網絡大小　834.4.2　添加權重正則化　854.4.3　添加dropout正則化　874.5　機器學習的通用工作流程　894.5.1　定義問題，收集數據集　894.5.2　選擇衡量成功的指標　894.5.3　確定評估方法　904.5.4　準備數據　904.5.5　開發比基準更好的模型　904.5.6　擴大模型規模：開發過擬合的模型　914.5.7　模型正則化與調節超參數　92本章小結　92第二部分　深度學習實踐第5章　深度學習用於計算機視覺　945.1　卷積神經網絡簡介　945.1.1　卷積運算　965.1.2　最大池化運算　1015.2　在小型數據集上從頭開始訓練一個卷積神經網絡　1025.2.1　深度學習與小數據問題的相關性　1035.2.2　下載數據　1035.2.3　構建網絡　1065.2.4　數據預處理　1075.2.5　使用數據增強　1115.3　使用預訓練的卷積神經網絡　1155.3.1　特徵提取　1165.3.2　微調模型　1245.3.3　小結　1305.4　卷積神經網絡的可視化　1305.4.1　可視化中間激活　1315.4.2　可視化卷積神經網絡的過濾器　1365.4.3　可視化類激活的熱力圖　142本章小結　146第6章　深度學習用於文本和序列　1476.1　處理文本數據　1476.1.1　單詞和字符的one-hot編碼　1496.1.2　使用詞嵌入　1516.1.3　整合在一起：從原始文本到詞嵌入　1556.1.4　小結　1626.2　理解循環神經網絡　1626.2.1　Keras中的循環層　1646.2.2　理解LSTM層和GRU層　1686.2.3　Keras中一個LSTM的具體例子　1706.2.4　小結　1726.3　循環神經網絡的高級用法　1726.3.1　溫度預測問題　1726.3.2　準備數據　1756.3.3　一種基於常識的、非機器學習的基準方法　1776.3.4　一種基本的機器學習方法　1786.3.5　第一個循環網絡基準　1806.3.6　使用循環dropout來降低過擬合　1816.3.7　循環層堆疊　1826.3.8　使用雙向RNN　1846.3.9　更多嘗試　1876.3.10　小結　1876.4　用卷積神經網絡處理序列　1886.4.1　理解序列數據的一維卷積　1886.4.2　序列數據的一維池化　1896.4.3　實現一維卷積神經網絡　1896.4.4　結合CNN和RNN來處理長序列　1916.4.5　小結　195本章總結　195第7章　高級的深度學習最佳實踐　1967.1　不用Sequential模型的解決方案：Keras函數式API　1967.1.1　函數式API簡介　1997.1.2　多輸入模型　2007.1.3　多輸出模型　2027.1.4　層組成的有向無環圖　2047.1.5　共享層權重　2087.1.6　將模型作爲層　2087.1.7　小結　2097.2　使用Keras回調函數和TensorBoard來檢查並監控深度學習模型　2107.2.1　訓練過程中將回調函數作用於模型　2107.2.2　TensorBoard簡介：TensorFlow的可視化框架　2127.2.3　小結　2197.3　讓模型性能發揮到極致　2197.3.1　高級架構模式　2197.3.2　超參數優化　2227.3.3　模型集成　2237.3.4　小結　224本章總結　225第8章　生成式深度學習　2268.1　使用LSTM生成文本　2278.1.1　生成式循環網絡簡史　2278.1.2　如何生成序列數據　2288.1.3　採樣策略的重要性　2298.1.4　實現字符級的LSTM文本生成　2308.1.5　小結　2348.2　DeepDream　2358.2.1　用Keras實現DeepDream　2368.2.2　小結　2418.3　神經風格遷移　2418.3.1　內容損失　2428.3.2　風格損失　2438.3.3　用Keras實現神經風格遷移　2438.3.4　小結　2498.4　用變分自編碼器生成圖像　2498.4.1　從圖像的潛在空間中採樣　2498.4.2　圖像編輯的概念向量　2508.4.3　變分自編碼器　2518.4.4　小結　2568.5　生成式對抗網絡簡介　2578.5.1　GAN的簡要實現流程　2588.5.2　大量技巧　2598.5.3　生成器　2608.5.4　判別器　2618.5.5　對抗網絡　2618.5.6　如何訓練DCGAN　2628.5.7　小結　264本章總結　264第9章　總結　2659.1　重點內容回顧　2659.1.1　人工智能的各種方法　2659.1.2　深度學習在機器學習領域中的特殊之處　2669.1.3　如何看待深度學習　2669.1.4　關鍵的推動技術　2679.1.5　機器學習的通用工作流程　2689.1.6　關鍵網絡架構　2689.1.7　可能性空間　2729.2　深度學習的侷限性　2739.2.1　將機器學習模型擬人化的風險　2739.2.2　局部泛化與極端泛化　2759.2.3　小結　2769.3　深度學習的未來　2779.3.1　模型即程序　2779.3.2　超越反向傳播和可微層　2789.3.3　自動化機器學習　2799.3.4　終身學習與模塊化子程序複用　2799.3.5　長期願景　2819.4　瞭解一個快速發展領域的最新進展　2819.4.1　使用Kaggle練習解決現實世界的問題　2819.4.2　在arXiv閱讀最新進展　2829.4.3　探索Keras生態系統　2829.5　結束語　282附錄A　在Ubuntu上安裝Keras及其依賴　283附錄B　在EC2GPU實例上運行Jupyter筆記本　287 深度學習 python深度學習 神經網絡 發表評論 登录 所有評論 還沒有人評論，想成為第一個評論的人麼?請在上方評論欄輸入並且點擊發布. 相關文章 人工智能、機器學習、神經網絡、深度學習、TensorFlow、圖像處理必備書籍(附PDF百度盤下載鏈 Aladengodman 2019-02-2223:09:37 圖神經網絡將成AI下一拐點！MIT斯坦福一文綜述GNN到底有多強 MIT、斯坦福大学KeyuluXu等 2019-02-2414:03:55 機器學習實戰python機器學習基礎教程學習資料 QQ1850845616 2019-02-2222:18:47 南京人工智能產業園尋找企業家和技術高手合作 南京智能 2019-02-2222:17:19 阿里雲聯合中國電子技術標準化研究院發佈《邊緣雲計算技術及標準化白皮書》 代碼派 2019-02-2221:58:32 機器學習中的概率模型和概率密度估計方法及VAE生成式模型詳解之六（第3章之VI/VB算法） Jiyang_Wang 2019-02-2221:38:51 深度學習入門:基於Python的理論與實現高清中文版PDF電子版下載附源代碼 不餓比 2019-02-2220:53:54 競賽回憶錄 pattavee 2019-02-2220:52:34 （通用）深度學習環境搭建：tensorflow安裝教程及常見錯誤解決 caiyongji 2019-02-2220:23:27 平均年薪70萬？剛剛，這類程序員又漲薪了 Python小咖 2019-02-2220:18:20 機器學習筆記 hzy9981 2019-02-2219:31:13 實戰|一行命令實現看圖說話（Google的im2txt模型） 覃秉豐 2019-02-2218:48:38 cifar10 蜉蝣之翼 2019-02-2414:15:15 神經網絡_lstm的詳細介紹 chenbblei 2019-02-2313:15:19 我的電子書《自己動手寫神經網絡》在百度閱讀上線了 geym20080808 2019-02-2220:40:35 K ke又黑 24小時熱門文章 最新文章 《Docker技術入門與實戰第3版2018版》高清中文PDF下載 《Python深度學習》中文版PDF附英文原版DeepLearningWithPython下載 最新評論文章 MATLAB製作貪吃蛇小遊戲（可選擇遊戲難度） keras/tensorflow模型保存後重新加載準確率爲0model.saveandloadgivingdifferentresult 台北叫服務Line：gg152/微信：yo2382高雄旅館叫/小/姐/高雄外/約小/姐/高雄外/送/小/姐台北叫服務Line：gg152/微信：yo2382高雄旅館叫/小/姐/高雄外/約小/姐 玩转算法系列--图论精讲面试升职必备（Java版） 免费在线教育——它们真的存在吗？ erwqrwqewqewqewqe LINE：548380賴：548382TG電報：@yy548380https://t.me/y548380月底更多好康半價優惠密我哦 DrinkBottleStickersInBulk 《怦然心動》：感謝上天讓我遇見你