掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
白話深度學(xué)習(xí)與TensorFlow 版權(quán)信息
- ISBN：9787111574576
- 條形碼：9787111574576 ; 978-7-111-57457-6
- 裝幀：暫無
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
白話深度學(xué)習(xí)與TensorFlow 本書特色
基礎(chǔ)篇(1-3章)：介紹深度學(xué)習(xí)的基本概念和Tensorflow的基本介紹。原理與實踐篇（4-8章）：大量的關(guān)于深度學(xué)習(xí)中BP、CNN以及RNN網(wǎng)絡(luò)等概念的數(shù)學(xué)知識解析，加以更樸素的語言與類比，使得非數(shù)學(xué)專業(yè)的程序員還是能夠比較容易看懂。擴展篇（9-13章）：介紹新增的深度學(xué)習(xí)網(wǎng)絡(luò)變種與較新的深度學(xué)習(xí)特性，并給出有趣的深度學(xué)習(xí)應(yīng)用。讀完本書，基本具備了搭建全套Tensorflow應(yīng)用環(huán)境的能力，掌握深度學(xué)習(xí)算法和思路，以及進行一般性的文章分類、音頻分類或視頻分類的能力。
白話深度學(xué)習(xí)與TensorFlow 內(nèi)容簡介
基礎(chǔ)篇(1-3章)：介紹深度學(xué)習(xí)的基本概念和Tensorflow的基本介紹。原理與實踐篇（4-8章）：大量的關(guān)于深度學(xué)習(xí)中BP、CNN以及RNN網(wǎng)絡(luò)等概念的數(shù)學(xué)知識解析，加以更樸素的語言與類比，使得非數(shù)學(xué)專業(yè)的程序員還是能夠比較容易看懂。擴展篇（9-13章）：介紹新增的深度學(xué)習(xí)網(wǎng)絡(luò)變種與較新的深度學(xué)習(xí)特性，并給出有趣的深度學(xué)習(xí)應(yīng)用。讀完本書，基本具備了搭建全套Tensorflow應(yīng)用環(huán)境的能力，掌握深度學(xué)習(xí)算法和思路，以及進行一般性的文章分類、音頻分類或視頻分類的能力。
白話深度學(xué)習(xí)與TensorFlow 目錄
目 錄?Contents
本書贊譽
序
前 言
基 礎(chǔ) 篇
第1章 機器學(xué)習(xí)是什么 2
1.1 聚類 4
1.2 回歸 5
1.3 分類 8
1.4 綜合應(yīng)用 10
1.5 小結(jié) 14
第2章 深度學(xué)習(xí)是什么 15
2.1 神經(jīng)網(wǎng)絡(luò)是什么 15
2.1.1 神經(jīng)元 16
2.1.2 激勵函數(shù) 19
2.1.3 神經(jīng)網(wǎng)絡(luò) 24
2.2 深度神經(jīng)網(wǎng)絡(luò) 25
2.3 深度學(xué)習(xí)為什么這么強 28
2.3.1 不用再提取特征 28
2.3.2 處理線性不可分 29
2.4 深度學(xué)習(xí)應(yīng)用 30
2.4.1 圍棋機器人——AlphaGo 30
2.4.2 被教壞的少女——Tai.ai 32
2.4.3 本田公司的大寶貝——
ASIMO 33
2.5 小結(jié) 37
第3章 TensorFlow框架特性與安裝 38
3.1 簡介 38
3.2 與其他框架的對比 39
3.3 其他特點 40
3.4 如何選擇好的框架 44
3.5 安裝TensorFlow 45
3.6 小結(jié) 46
原理與實踐篇
第4章 前饋神經(jīng)網(wǎng)絡(luò) 50
4.1 網(wǎng)絡(luò)結(jié)構(gòu) 50
4.2 線性回歸的訓(xùn)練 51
4.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 75
4.4 小結(jié) 79
第5章 手寫板功能 81
5.1 MNIST介紹 81
5.2 使用TensorFlow完成實驗 86
5.3 神經(jīng)網(wǎng)絡(luò)為什么那么強 92
5.3.1 處理線性不可分 93
5.3.2 挑戰(zhàn)“與或非” 95
5.3.3 豐富的VC——強大的空間
劃分能力 98
5.4 驗證集、測試集與防止過擬合 99
5.5 小結(jié) 102
第6章 卷積神經(jīng)網(wǎng)絡(luò) 103
6.1 與全連接網(wǎng)絡(luò)的對比 103
6.2 卷積是什么 104
6.3 卷積核 106
6.4 卷積層其他參數(shù) 108
6.5 池化層 109
6.6 典型CNN網(wǎng)絡(luò) 110
6.7 圖片識別 114
6.8 輸出層激勵函數(shù)——SOFTMAX 116
6.8.1 SOFTMAX 116
6.8.2 交叉熵 117
6.9 小試牛刀——卷積網(wǎng)絡(luò)做圖片分類 124
6.10 小結(jié) 138
第7章 綜合問題 139
7.1 并行計算 139
7.2 隨機梯度下降 142
7.3 梯度消失問題 144
7.4 歸一化 147
7.5 參數(shù)初始化問題 149
7.6 正則化 151
7.7 其他超參數(shù) 155
7.8 不唯一的模型 156
7.9 DropOut 157
7.10 小結(jié) 158
第8章 循環(huán)神經(jīng)網(wǎng)絡(luò) 159
8.1 隱馬爾可夫模型 159
8.2 RNN和BPTT算法 163
8.2.1 結(jié)構(gòu) 163
8.2.2 訓(xùn)練過程 163
8.2.3 艱難的誤差傳遞 165
8.3 LSTM算法 167
8.4 應(yīng)用場景 171
8.5 實踐案例——自動文本生成 174
8.5.1 RNN工程代碼解讀 174
8.5.2 利用RNN學(xué)習(xí)莎士比亞劇本 183
8.5.3 利用RNN學(xué)習(xí)維基百科 184
8.6 實踐案例——聊天機器人 185
8.7 小結(jié) 196
擴 展 篇
第9章 深度殘差網(wǎng)絡(luò) 198
9.1 應(yīng)用場景 198
9.2 結(jié)構(gòu)解釋與數(shù)學(xué)推導(dǎo) 200
9.3 拓撲解釋 205
9.4 Github示例 207
9.5 小結(jié) 207
第10章 受限玻爾茲曼機 209
10.1 結(jié)構(gòu) 209
10.2 邏輯回歸 210
10.3 *大似然度 212
10.4 *大似然度示例 214
10.5 損失函數(shù) 215
10.6 應(yīng)用場景 216
10.7 小結(jié) 216
第11章 強化學(xué)習(xí) 217
11.1 模型核心 218
11.2 馬爾可夫決策過程 219
11.2.1 用游戲開刀 221
11.2.2 準備工作 223
11.2.3 訓(xùn)練過程 224
11.2.4 問題 226
11.2.5 Q-Learning算法 228
11.3 深度學(xué)習(xí)中的Q-Learning——DQN 231
11.3.1 OpenAI Gym 234
11.3.2 Atari游戲 237
11.4 小結(jié) 238
第12章 對抗學(xué)習(xí) 239
12.1 目的 239
12.2 訓(xùn)練模式 240
12.2.1 二元極小極大博弈 240
12.2.2 訓(xùn)練 242
12.3 CGAN 244
12.4 DCGAN 247
12.5 小結(jié) 252
第13章 有趣的深度學(xué)習(xí)應(yīng)用 254
13.1 人臉識別 254
13.2 作詩姬 259
13.3 梵高附體 264
13.3.1 網(wǎng)絡(luò)結(jié)構(gòu) 265
13.3.2 內(nèi)容損失 268
13.3.3 風(fēng)格損失 270
13.3.4 系數(shù)比例 271
13.3.5 代碼分析 272
13.4 小結(jié) 279
附錄A VMware Workstation的安裝 280
附錄B Ubuntu虛擬機的安裝 284
附錄C Python語言簡介 290
附錄D 安裝Theano 296
附錄E 安裝Keras 297
附錄F 安裝CUDA 298
參考文獻 303
本書贊譽
序
前 言
基 礎(chǔ) 篇
第1章 機器學(xué)習(xí)是什么 2
1.1 聚類 4
1.2 回歸 5
1.3 分類 8
1.4 綜合應(yīng)用 10
1.5 小結(jié) 14
第2章 深度學(xué)習(xí)是什么 15
2.1 神經(jīng)網(wǎng)絡(luò)是什么 15
2.1.1 神經(jīng)元 16
2.1.2 激勵函數(shù) 19
2.1.3 神經(jīng)網(wǎng)絡(luò) 24
2.2 深度神經(jīng)網(wǎng)絡(luò) 25
2.3 深度學(xué)習(xí)為什么這么強 28
2.3.1 不用再提取特征 28
2.3.2 處理線性不可分 29
2.4 深度學(xué)習(xí)應(yīng)用 30
2.4.1 圍棋機器人——AlphaGo 30
2.4.2 被教壞的少女——Tai.ai 32
2.4.3 本田公司的大寶貝——
ASIMO 33
2.5 小結(jié) 37
第3章 TensorFlow框架特性與安裝 38
3.1 簡介 38
3.2 與其他框架的對比 39
3.3 其他特點 40
3.4 如何選擇好的框架 44
3.5 安裝TensorFlow 45
3.6 小結(jié) 46
原理與實踐篇
第4章 前饋神經(jīng)網(wǎng)絡(luò) 50
4.1 網(wǎng)絡(luò)結(jié)構(gòu) 50
4.2 線性回歸的訓(xùn)練 51
4.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 75
4.4 小結(jié) 79
第5章 手寫板功能 81
5.1 MNIST介紹 81
5.2 使用TensorFlow完成實驗 86
5.3 神經(jīng)網(wǎng)絡(luò)為什么那么強 92
5.3.1 處理線性不可分 93
5.3.2 挑戰(zhàn)“與或非” 95
5.3.3 豐富的VC——強大的空間
劃分能力 98
5.4 驗證集、測試集與防止過擬合 99
5.5 小結(jié) 102
第6章 卷積神經(jīng)網(wǎng)絡(luò) 103
6.1 與全連接網(wǎng)絡(luò)的對比 103
6.2 卷積是什么 104
6.3 卷積核 106
6.4 卷積層其他參數(shù) 108
6.5 池化層 109
6.6 典型CNN網(wǎng)絡(luò) 110
6.7 圖片識別 114
6.8 輸出層激勵函數(shù)——SOFTMAX 116
6.8.1 SOFTMAX 116
6.8.2 交叉熵 117
6.9 小試牛刀——卷積網(wǎng)絡(luò)做圖片分類 124
6.10 小結(jié) 138
第7章 綜合問題 139
7.1 并行計算 139
7.2 隨機梯度下降 142
7.3 梯度消失問題 144
7.4 歸一化 147
7.5 參數(shù)初始化問題 149
7.6 正則化 151
7.7 其他超參數(shù) 155
7.8 不唯一的模型 156
7.9 DropOut 157
7.10 小結(jié) 158
第8章 循環(huán)神經(jīng)網(wǎng)絡(luò) 159
8.1 隱馬爾可夫模型 159
8.2 RNN和BPTT算法 163
8.2.1 結(jié)構(gòu) 163
8.2.2 訓(xùn)練過程 163
8.2.3 艱難的誤差傳遞 165
8.3 LSTM算法 167
8.4 應(yīng)用場景 171
8.5 實踐案例——自動文本生成 174
8.5.1 RNN工程代碼解讀 174
8.5.2 利用RNN學(xué)習(xí)莎士比亞劇本 183
8.5.3 利用RNN學(xué)習(xí)維基百科 184
8.6 實踐案例——聊天機器人 185
8.7 小結(jié) 196
擴 展 篇
第9章 深度殘差網(wǎng)絡(luò) 198
9.1 應(yīng)用場景 198
9.2 結(jié)構(gòu)解釋與數(shù)學(xué)推導(dǎo) 200
9.3 拓撲解釋 205
9.4 Github示例 207
9.5 小結(jié) 207
第10章 受限玻爾茲曼機 209
10.1 結(jié)構(gòu) 209
10.2 邏輯回歸 210
10.3 *大似然度 212
10.4 *大似然度示例 214
10.5 損失函數(shù) 215
10.6 應(yīng)用場景 216
10.7 小結(jié) 216
第11章 強化學(xué)習(xí) 217
11.1 模型核心 218
11.2 馬爾可夫決策過程 219
11.2.1 用游戲開刀 221
11.2.2 準備工作 223
11.2.3 訓(xùn)練過程 224
11.2.4 問題 226
11.2.5 Q-Learning算法 228
11.3 深度學(xué)習(xí)中的Q-Learning——DQN 231
11.3.1 OpenAI Gym 234
11.3.2 Atari游戲 237
11.4 小結(jié) 238
第12章 對抗學(xué)習(xí) 239
12.1 目的 239
12.2 訓(xùn)練模式 240
12.2.1 二元極小極大博弈 240
12.2.2 訓(xùn)練 242
12.3 CGAN 244
12.4 DCGAN 247
12.5 小結(jié) 252
第13章 有趣的深度學(xué)習(xí)應(yīng)用 254
13.1 人臉識別 254
13.2 作詩姬 259
13.3 梵高附體 264
13.3.1 網(wǎng)絡(luò)結(jié)構(gòu) 265
13.3.2 內(nèi)容損失 268
13.3.3 風(fēng)格損失 270
13.3.4 系數(shù)比例 271
13.3.5 代碼分析 272
13.4 小結(jié) 279
附錄A VMware Workstation的安裝 280
附錄B Ubuntu虛擬機的安裝 284
附錄C Python語言簡介 290
附錄D 安裝Theano 296
附錄E 安裝Keras 297
附錄F 安裝CUDA 298
參考文獻 303
展開全部
白話深度學(xué)習(xí)與TensorFlow 作者簡介
西山居的大數(shù)據(jù)架構(gòu)師與大數(shù)據(jù)專家，有多年編程經(jīng)驗（多年日本和澳洲工作經(jīng)驗）、多年大數(shù)據(jù)架構(gòu)設(shè)計與數(shù)據(jù)分析、處理經(jīng)驗，目前負責(zé)西山居的市場戰(zhàn)略與產(chǎn)品戰(zhàn)略。專注于大數(shù)據(jù)系統(tǒng)架構(gòu)以及變現(xiàn)研究。擅長數(shù)據(jù)挖掘、數(shù)據(jù)建模、關(guān)系型數(shù)據(jù)庫應(yīng)用（Hadoop、Spark、Cassandra、Prestodb應(yīng)用）。負責(zé)西山居紫霞系統(tǒng)——大數(shù)據(jù)日志處理系統(tǒng)的系統(tǒng)架構(gòu)與設(shè)計工作。同時，也是重慶工商大學(xué)管理科學(xué)與工程專業(yè)，碩士研究生事業(yè)導(dǎo)師。
書友推薦
- >
李白與唐代文化
- >
自卑與超越
- >
羅曼·羅蘭讀書隨筆-精裝
- >
朝聞道
- >
龍榆生：詞曲概論/大家小書
- >
伯納黛特,你要去哪(2021新版)
- >
名家?guī)阕x魯迅:朝花夕拾
- >
羅庸西南聯(lián)大授課錄
本類暢銷
