Python深度学习

封面

版权信息

数字版权声明

版权声明

前言

致谢

关于本书

关于封面

第一部分 深度学习基础

第1章 什么是深度学习

1.1 人工智能、机器学习与深度学习

1.2 深度学习之前：机器学习简史

1.3 为什么是深度学习，为什么是现在

第2章 神经网络的数学基础

2.1 初识神经网络

2.2 神经网络的数据表示

2.3 神经网络的“齿轮”：张量运算

2.4 神经网络的“引擎”：基于梯度的优化

2.5 回顾第一个例子

本章小结

第3章 神经网络入门

3.1 神经网络剖析

3.2 Keras简介

3.3 建立深度学习工作站

3.4 电影评论分类：二分类问题

3.5 新闻分类：多分类问题

3.6 预测房价：回归问题

本章小结

第4章 机器学习基础

4.1 机器学习的四个分支

4.2 评估机器学习模型

4.3 数据预处理、特征工程和特征学习

4.4 过拟合与欠拟合

4.5 机器学习的通用工作流程

本章小结

第二部分 深度学习实践

第5章 深度学习用于计算机视觉

5.1 卷积神经网络简介

5.2 在小型数据集上从头开始训练一个卷积神经网络

5.3 使用预训练的卷积神经网络

5.4 卷积神经网络的可视化

本章小结

第6章 深度学习用于文本和序列

6.1 处理文本数据

6.2 理解循环神经网络

6.3 循环神经网络的高级用法

6.4 用卷积神经网络处理序列

本章总结

第7章 高级的深度学习最佳实践

7.1 不用Sequential模型的解决方案：Keras函数式API

7.2 使用Keras回调函数和TensorBoard来检查并监控深度学习模型

7.3 让模型性能发挥到极致

本章总结

第8章 生成式深度学习

8.1 使用LSTM生成文本

8.2 DeepDream

8.3 神经风格迁移

8.4 用变分自编码器生成图像

8.5 生成式对抗网络简介

本章总结

第9章 总结

9.1 重点内容回顾

9.2 深度学习的局限性

9.3 深度学习的未来

9.4 了解一个快速发展领域的最新进展

9.5 结束语

附录A 在Ubuntu上安装Keras及其依赖

附录B 在EC2 GPU实例上运行Jupyter笔记本

推荐语