第1章深度学习入门

欢迎购买本书：本书旨在帮助您使用Python进行深度学习，包括如何使用Keras构建和运行深度学习模型。

本书也包括深度学习的技巧、示例代码和技术内容。

深度学习的数学 ... Beining'sBlog Github 讨论区 封面 前言 译者的话 I简介 第1章深度学习入门 II背景 第2章Theano入门 第3章TensorFlow入门 第4章Keras入门 第5章项目：在云上搭建机器学习环境 III多层感知器 第6章多层感知器入门 第7章使用Keras开发神经网络 第8章测试神经网络 第9章使用Scikit-Learn调用Keras的模型 第10章项目：多类花朵分类 第11章项目：声呐返回值分类 第12章项目：波士顿住房价格回归 IVKeras与高级多层感知器 第13章用序列化保存模型 第14章使用保存点保存最好的模型 第15章模型训练效果可视化 第16章使用Dropout正则化防止过拟合 第17章学习速度设计 V卷积神经网络 PublishedwithGitBook 第1章深度学习入门 第一章深度学习入门 欢迎购买本书：本书旨在帮助您使用Python进行深度学习，包括如何使用Keras构建和运行深度学习模型。

本书也包括深度学习的技巧、示例代码和技术内容。

深度学习的数学基础很精妙：但是一般用户不需要完全了解数学细节就可以抄起键盘开始编程。

实用一点讲，深度学习并不复杂，带来的成效却很客观。

教会你如何用深度学习：这就是本书的目的。

1.1深度学习：如何错误入门 如果你去问大佬们深度学习如何入门，他们会怎么说？不外乎： 线性代数是关键啊！ 你得了解传统神经网络才能干啊！ 概率论和统计学是基础的基础不是吗？ 你得先在机器学习的水里扑腾几年再来啊。

不是计算机博士不要和我说话好吗！ 入门挺简单的：10年经验应该差不多也行有可能就够了吧。

总结一下：只有大神才能做深度学习。

净TM扯淡！ 1.2使用Python进行深度学习 本书准备把传统的教学方式倒过来：直接教你怎么深度学习。

如果你觉得这东西真厉害我要好好研究一下，再去研究理论细节。

本书直接让你用深度学习写出能跑的东西。

我用了不少深度学习的库：我觉得最好的还是基于Python的Keras。

Python是完整的成熟语言，可以直接用于商业项目的核心，这点R是比不上的。

和Java比，Python有SciPy和scikit-learn这些专业级别的包，可以快速搭建平台。

Python的深度学习库有很多，最著名的是蒙特利尔大学的Theano（已死，有事烧纸）和Google的TensorFlow。

这两个库都很简单，Keras都无缝支持。

Keras把数值计算的部分封装掉，留下搭建神经网络和深度学习模型的重点API。

本书会带领你亲手构建神经网络和深度学习模型，告诉你如何在自己的项目中利用。

废话少说，赶快开始： 1.3本书结构 本书分3部分： 课程：介绍某个神经网络的某个功能，以及如何使用Keras的API写出来 项目：将课上的知识放在一起，写一个项目：这个项目可以作为模板 示例：直接可以复制粘贴的代码！本书还附赠了很多代码，在Github上！ 1.3.1第一部分：课程和项目 每节课是独立的，推荐一次性完成，时长短则20分钟，长则数小时-如果你想仔细调参数。

课程分4块： 背景 多层感知器 高级多层感知器和Keras 卷积神经网络 1.3.2第二部分：背景知识 这部分我们介绍Theano、TensorFlow（TF）和Keras这3个库，以及如何在亚马逊的云服务（AWS）上用低廉的价格测试你的网络。

分成4个部分： Theano入门 TensorFlow入门 Keras入门 这些是最重要的深度学习库。

我们多介绍一点东西： 项目：在云上部署GPU项目 到这里你应该准备好用Keras开发模型了。

1.3.3第三部分：多层感知器 这部分我们介绍前馈神经网络，以及如何用Keras写出自己的网络。

大体分段： 多层感知器入门 用Keras开发第一个神经网络 测试神经网络模型性能 用Scikit-Learn和Keras模型进行机器学习 这里有3个项目可以帮助你开发神经网络，以及为之后的网络打下模板： 项目：多类分类 项目：分类问题 项目：回归问题 到这里你已经熟悉了Keras的基本操作。

1.3.4第四部分：高级多层感知器 这部分我们进一步探索Keras的API，研究如何得到世界顶级的结果。

内容包括： 如何保存神经网络 如何保存最好的网络 如何边训练观察训练结果 如何对付过拟合 如何提高训练速度 到这里你已经可以使用Keras开发成熟的模型了。

1.3.5第五部分：卷积神经网络（CNN） 这部分我们介绍一些计算机视觉和自然语言的问题，以及如何用Keras构建神经网络出色地解决问题。

内容包括： 卷积神经网络入门 如何增强模型效果 写代码才能真正理解网络：这里我们用CNN解决如下问题： 项目：手写字符识别 项目：图像物体识别 项目：影视评论分类 到这里你可以用CNN对付你遇到的实际问题了。

1.3.6结论 这部分我们给你提供一些继续深造的资料。

1.3.7示例 边学习边积累代码库：每个问题你都写了代码，供以后使用。

本书给你所有项目的代码，以及一些没有讲到的Keras代码。

自己动手积累吧！ 1.4本书需求 1.4.1Python和SciPy 你起码得会装Python和SciPy，本书默认你都配置好了。

你可以在自己的机器上，或者虚拟机/Docker/云端配置好环境。

参见第二章项目。

本书使用的软件和库： Python2或3：本书用版本2.7.11. SciPy和NumPy：本书用SciPy0.17.0和NumPy1.11.0. Matplotlib：本书用版本1.5.1 Pandas：本书用版本0.18.0 scikit-learn：本书用版本0.17.1。

版本不需要完全一致：但是希望安装的版本不要低于上面的要求。

第二部分会带领你配置环境。

1.4.2机器学习 你不需要专业背景，但是会用scikit-learn研究简单的机器学习很有帮助。

交叉检验等基本概念了解一下。

书后有参考资料：简单阅读一下。

1.4.3深度学习 你不需要知道算法的数学理论，但是概念需要有所了解。

本书有个神经网络和模型的入门，但是不会深度研究细节。

术后有参考资料：希望你对神经网络有点概念。

注意：所有的例子都可以用CPU跑，GPU不是必备的，但是GPU可以显著加速运算。

第5章会告诉你如何在云上配置GPU。

1.5本书目标 希望你看完本书后有能力从数据集上用Python开发深度学习算法。

包括： 如何开发并测试深度学习模型 如何使用高级技巧 如何为图片和文本数据构建大模型 如何扩大图片数据 如何寻求帮助 现在可以开始了。

你可以挑自己需要的主题阅读，也可以从头到尾走一遍流程。

我推荐后者。

希望你亲手做每一个例子，将所思所想记录下来。

我的邮箱是[email protected]。

本书希望你努力一下，尽快成为深度学习工程师。

1.6本书不是什么 本书为开发者提供深度学习的入门教程，但是挂一漏万。

本书不是： 深度学习教科书：本书不深入神经网络的理论细节，请自行学习。

算法书：我们不关注算法如何工作，请自行学习。

Python编程书：本书不深入讲解Python的用法，希望你已经会Python了。

如果需要深入了解某个主题，请看书后的帮助。

1.7总结 此时此刻，深度学习的工具处于历史顶峰，神经网络和深度学习的发展从未如此之快，在无数领域出神入化。

希望你玩的开心。

1.7.1下一步 下一章我们讲解一下Theano、TensorFlow和你要用的Keras。

resultsmatching"" Noresultsmatching""