神经网络与深度学习实战：Python+Keras+TensorFlow - (EPUB全文下载)

文件大小：0.43 mb。
文件格式：epub 格式。
书籍内容：

神经网络与深度学习实战：Python+Keras+TensorFlow
第1章 神经网络初体验
1.1 开发环境的安装
1.2 快速构建一个识别手写数字图片的神经网络
第2章 深度学习中的微积分基础
2.1 实数中的无理数
2.2 什么叫极限
2.3 函数的连续性
2.4 函数求导
2.5 导数的一般法则
2.6 间套函数的链式求导法则
2.7 多变量函数与偏导数
2.8 导数与极值
2.9 使用导数寻求函数的最小值
第3章 深度学习的线性代数基础
3.1 常量与向量
3.2 矩阵及相关操作
3.3 tensor——多维向量
3.4 向量范数
第4章 神经网络的理论基础
4.1 详解神经网络中的神经元激活函数
4.2 使用矩阵运算驱动神经网络数据加工链
4.3 通过反向传播算法回传误差改进链路权重
4.4 使用矩阵和梯度下降法实现神经网络的迭代训练
4.5 手算梯度下降法，详解神经网络迭代训练过程
第5章 用Python从零实现识别手写数字的神经网络
5.1 基本框架的搭建
5.2 实现网络的迭代训练功能
5.3 网络训练，识别手写数字图片
第6章 神经网络项目实践
6.1 使用神经网络分析电影评论的正能量和负能量
6.2 使用神经网络实现新闻话题分类
6.3 使用神经网络预测房价中位数
第7章 使用神经网络实现机器视觉识别
7.1 卷积神经网络入门
7.2 从零开始构造一个识别猫、狗图片的卷积网络
7.3 使用预先训练的卷积网络实现图像快速识别
7.4 视觉化神经网络的学习过程
7.5 揭秘卷积网络的底层原理
第8章 用深度学习实现自然语言处理
8.1 Word Embedding单词向量化
8.2 概率论的一些重要概念
8.3 skip-gram单词向量化算法的数学原理
8.4 使用预先训练好的单词向量实现新闻摘要分类
8.5 RNN—具有记忆功能的神经网络
8.6 LSTM网络层详解及其应用
8.7 使用RNN和CNN混合的“鸡尾酒疗法”提升网络运行效率
第9章 自动编解码网络和生成型对抗性网络
9.1 自动编解码器网络的原理与实现
9.2 去噪型编解码网络
9.3 使用自动编解码网络实现黑白图片上色
9.4 生成型对抗性网络
9.5 生成型对抗性网络的代码实现
9.6 条件性生成型对抗性网络
第10章 增强性学习网络开发实践
10.1 增强性学习网络的基本原理
10.2 开发环境配置
10.3 增强性学习网络的数学原理
10.4 Bellman函数和最优化
10.5 Bellman等式的推导
10.6 用实例讲解Bellman函数的应用
10.7 解决冰冻湖问题
10.8 ε贪婪算法
10.9 运用神经网络和Bellman函数解决Cartpole问题
第11章 TensorFlow入门
11.1 TensorFlow图运算原理
11.2 TensorFlow代码实践
11.3 TensorFlow的输入、变量、输出及运算操作
11.4 TensorFlow的变量定义
11.5 TensorFlow的运算输出及运算操作
11.6 用TensorFlow开发神经网络的相关操作
11.7 开发TensorFlow程序应注意的事项
11.8 使用TensorFlow开发神经网络
第12章 使用TensorFlow和Keras开发高级自然语言处理系统
12.1 Skip-Gram算法实现
12.2 使用RNN网络模型的基本原理
12.3 代码实现RNN网络
12.4 LSTM网络的结构原理
12.5 使用LSTM网络实现人机问答系统
第13章 使用TensorFlow和Keras实现高级图像识别处理系统
13.1 实现艺术风格的转换
13.2 使用胶囊网络实现服装识别
13.3 使用TensorFlow API实现精准物体识别
13.4 DeeDream：使用神经网络构造具有惊悚审美效果的艺术作品
第14章 使用TensorFlow和Keras打造智能推荐系统
14.1 创造一个网易云音乐推荐引擎
14.2 使用TensorFlow构建高质量商品推荐系统
14.3 实现淘宝“拍立淘”图片搜索引擎
第15章 深度学习的重要概念和技巧总结
第1章　神经网络初体验
对于有过游泳学习经验的人而言，学习的第一课并不是听理论讲解或看视频演示，而是先跳入水中，感觉水的浮力，让身体充分感知水的流动，一旦身体有了切实体会，也就是感性认知，后面再进行动作理解等理性认知上的学习，就容易接受多了。
如果你连水都没碰过，就给你讲解一堆游泳理论，你只会雾里看花，越看越糊涂。传统教育的一大弊病在于没下水就给你灌输一大堆晦涩的理论，容易使学员对这些知识望而生畏，让他们感觉学游泳非常难。
我们不重复传统教育的老毛病，就让我们先“下水”，感觉水的浮力吧。
1.1　开发环境的安装
我们先快速构造一个能识别手写数字图片的神经网络，让大家感受一下现在看起来还有点神秘的神经网络到底是什么样子。本节我们先完成开发环境的安装。
我们使用的开发语言是Python，开发环境用的是Anacoda，请读者先安装相关软件。我们要使用的开发框架叫Keras，它的安装可以执行下面的命令：
install –c conda-forge keras
如果上面的命令执行顺利，会看到如图1-1所示的结果。
图1-1　Keras框架安装结果
这里需要强调一点，请读者朋友选择Linux作为开发环境，因为Keras框架对Windows系统的支持不是很好，使用Windows安装Keras容易出现各种问题。
1.2　快速构建一个识别手写数字图片的神经网络
人工智能的本质是分析海量数据，从数据中抽取出潜在的底层特征。要想让神经网络有好的结果，必须准备足够多的合乎规格的数据，因此第一步我们要做的是加载数据。在Anacoda中启动一个基于Python 3的编程页面，输入下面的代码用于加载数据。
#将手写数字图片数据集加载到程序中
from keras import mnist
(trai ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。