当前位置:首页 > 工业技术
白话深度学习与TensorFlow
白话深度学习与TensorFlow

白话深度学习与TensorFlowPDF电子书下载

工业技术

  • 电子书积分:12 积分如何计算积分?
  • 作 者:高扬,卫峥编著;万娟插画设计
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2017
  • ISBN:9787111574576
  • 页数:304 页
图书介绍:基础篇(1-3章):介绍深度学习的基本概念和Tensorflow的基本介绍。原理与实践篇(4-8章):大量的关于深度学习中BP、CNN以及RNN网络等概念的数学知识解析,加以更朴素的语言与类比,使得非数学专业的程序员还是能够比较容易看懂。扩展篇(9-13章):介绍新增的深度学习网络变种与较新的深度学习特性,并给出有趣的深度学习应用。读完本书,基本具备了搭建全套Tensorflow应用环境的能力,掌握深度学习算法和思路,以及进行一般性的文章分类、音频分类或视频分类的能力。
《白话深度学习与TensorFlow》目录

基础篇 2

第1章 机器学习是什么 2

1.1 聚类 4

1.2 回归 5

1.3 分类 8

1.4 综合应用 10

1.5 小结 14

第2章 深度学习是什么 15

2.1 神经网络是什么 15

2.1.1 神经元 16

2.1.2 激励函数 19

2.1.3 神经网络 24

2.2 深度神经网络 25

2.3 深度学习为什么这么强 28

2.3.1 不用再提取特征 28

2.3.2 处理线性不可分 29

2.4 深度学习应用 30

2.4.1 围棋机器人——AlphaGo 30

2.4.2 被教坏的少女——Tai.ai 32

2.4.3 本田公司的大宝贝——ASIMO 33

2.5 小结 37

第3章 TensorFlow框架特性与安装 38

3.1 简介 38

3.2 与其他框架的对比 39

3.3 其他特点 40

3.4 如何选择好的框架 44

3.5 安装TensorFlow 45

3.6 小结 46

原理与实践篇 50

第4章 前馈神经网络 50

4.1 网络结构 50

4.2 线性回归的训练 51

4.3 神经网络的训练 75

4.4 小结 79

第5章 手写板功能 81

5.1 MNIST介绍 81

5.2 使用TensorFlow完成实验 86

5.3 神经网络为什么那么强 92

5.3.1 处理线性不可分 93

5.3.2 挑战“与或非” 95

5.3.3 丰富的VC——强大的空间划分能力 98

5.4 验证集、测试集与防止过拟合 99

5.5 小结 102

第6章 卷积神经网络 103

6.1 与全连接网络的对比 103

6.2 卷积是什么 104

6.3 卷积核 106

6.4 卷积层其他参数 108

6.5 池化层 109

6.6 典型CNN网络 110

6.7 图片识别 114

6.8 输出层激励函数——SOFTMAX 116

6.8.1 SOFTMAX 116

6.8.2 交叉熵 117

6.9 小试牛刀——卷积网络做图片分类 124

6.10 小结 138

第7章 综合问题 139

7.1 并行计算 139

7.2 随机梯度下降 142

7.3 梯度消失问题 144

7.4 归一化 147

7.5 参数初始化问题 149

7.6 正则化 151

7.7 其他超参数 155

7.8 不唯一的模型 156

7.9 DropOut 157

7.10 小结 158

第8章 循环神经网络 159

8.1 隐马尔可夫模型 159

8.2 RNN和BPTT算法 163

8.2.1 结构 163

8.2.2 训练过程 163

8.2.3 艰难的误差传递 165

8.3 LSTM算法 167

8.4 应用场景 171

8.5 实践案例——自动文本生成 174

8.5.1 RNN工程代码解读 174

8.5.2 利用RNN学习莎士比亚剧本 183

8.5.3 利用RNN学习维基百科 184

8.6 实践案例——聊天机器人 185

8.7 小结 196

扩展篇 198

第9章 深度残差网络 198

9.1 应用场景 198

9.2 结构解释与数学推导 200

9.3 拓扑解释 205

9.4 Github示例 207

9.5 小结 207

第10章 受限玻尔兹曼机 209

10.1 结构 209

10.2 逻辑回归 210

10.3 最大似然度 212

10.4 最大似然度示例 214

10.5 损失函数 215

10.6 应用场景 216

10.7 小结 216

第11章 强化学习 217

11.1 模型核心 218

11.2 马尔可夫决策过程 219

11.2.1 用游戏开刀 221

11.2.2 准备工作 223

11.2.3 训练过程 224

11.2.4 问题 226

11.2.5 Q-Learning算法 228

11.3 深度学习中的Q-Learning——DQN 231

11.3.1 OpenAI Gym 234

11.3.2 Atari游戏 237

11.4 小结 238

第12章 对抗学习 239

12.1 目的 239

12.2 训练模式 240

12.2.1 二元极小极大博弈 240

12.2.2 训练 242

12.3 CGAN 244

12.4 DCGAN 247

12.5 小结 252

第13章 有趣的深度学习应用 254

13.1 人脸识别 254

13.2 作诗姬 259

13.3 梵高附体 264

13.3.1 网络结构 265

13.3.2 内容损失 268

13.3.3 风格损失 270

13.3.4 系数比例 271

13.3.5 代码分析 272

13.4 小结 279

附录A VMware Workstation的安装 280

附录B Ubuntu虚拟机的安装 284

附录C Python语言简介 290

附录D 安装Theano 296

附录E 安装Keras 297

附录F 安装CUDA 298

参考文献 303

相关图书
作者其它书籍
返回顶部