白話深度學習與TensorFlow 白话深度学习与TensorFlow

高揚

立即出貨 (庫存 < 3)

買這商品的人也買了...

商品描述

基礎篇(1-3章):介紹深度學習的基本概念和Tensorflow的基本介紹。

原理與實踐篇(4-8章):大量的關於深度學習中BP、CNN以及RNN網絡等概念的數學知識解析,加以更樸素的語言與類比,使得非數學專業的程序員還是能夠比較容易看懂。

擴展篇(9-13章):介紹新增的深度學習網絡變種與較新的深度學習特性,並給出有趣的深度學習應用。

讀完本書,基本具備了搭建全套Tensorflow應用環境的能力,掌握深度學習算法和思路,以及進行一般性的文章分類、音頻分類或視頻分類的能力。

作者簡介

西山居的大數據架構師與大數據專家,有多年編程經驗(多年日本和澳洲工作經驗)、多年大數據架構設計與數據分析、處理經驗,目前負責西山居的市場戰略與產品戰略。

專注於大數據系統架構以及變現研究。擅長數據挖掘、數據建模、關係型數據庫應用(Hadoop、Spark、Cassandra、Prestodb應用)。

負責西山居紫霞系統——大數據日誌處理系統的系統架構與設計工作。

同時,也是重慶工商大學管理科學與工程專業,碩士研究生事業導師。

目錄大綱

目錄?Contents 
本書讚譽

前言
基礎篇
第1章機器學習是什麼2 
1.1聚類4 
1.2回歸5 
1.3分類8 
1.4綜合應用10 
1.5小結14 
第2章深度學習是什麼15 
2.1神經網絡是什麼15 
2.1 .1神經元16 
2.1.2激勵函數19 
2.1.3神經網絡24 
2.2深度神經網絡25 
2.3深度學習為什麼這麼強28 
2.3.1不用再提取特徵28 
2.3.2處理線性不可分29 
2.4深度學習應用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46 
原理與實踐篇
第4章前饋神經網絡50 
4.1網絡結構50 
4.2線性回歸的訓練51 
4.3神經網絡的訓練75 
4.4小結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神經網絡為什麼那麼強92 
5.3.1處理線性不可分93 
5.3.2挑戰“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102 
第6章卷積神經網絡103 
6.1與全連接網絡的對比103 
6.2卷積是什麼104 
6.3卷積核106 
6.4卷積層其他參數108 
6.5池化層109 
6.6典型CNN網絡110 
6.7圖片識別114 
6.8輸出層激勵函數——SOFTMAX 116 
6.8.1 SOFTMAX 116 
6.8.2交叉熵117 
6.9小試牛刀——卷積網絡做圖片分類124
6.10小結138 
第7章綜合問題139 
7.1並行計算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 
7.5參數初始化問題149 
7.6正則化151 
7.7其他超參數155 
7.8不.....的模型156 
7.9 DropOut 157 
7.10小結158 
第8章循環神經網絡159 
8.1隱馬爾可夫模型159 
8.2 RNN和BPTT算法163 
8.2.1結構163 
8.2.2訓練過程163 
8.2.3艱難的誤差傳遞165 
8.3 LSTM算法167 
8.4應用場景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學習莎士比亞劇本183 
8.5.3利用RNN學習維基百科184 
8.6實踐案例——聊天機器人185 
8.7小結196 
擴展篇
第9章深度殘差網絡198 
9.1應用場景198 
9.2結構解釋與數學推導200
9.3拓撲解釋205 
9.4 Github示例207 
9.5小結207 
第10章受限玻爾茲曼機209 
10.1結構209 
10.2邏輯回歸210 
10.3最大似然度212 
10.4最大似然度示例214 
10.5損失函數215 
10.6應用場景216 
10.7小結216 
第11章強化學習217 
11.1模型核心218 
11.2馬爾可夫決策過程219 
11.2.1用遊戲開刀221 
11.2.2準備工作223 
11.2.3訓練過程224 
11.2.4問題226 
11.2.5 Q-Learning算法228 
11.3深度學習中的Q-Learning——DQN 231 
11.3.1 OpenAI Gym 234 
11.3.2 Atari遊戲237 
11.4小結238 
第12章對抗學習239 
12.1目的239 
12.2訓練模式240 
12.2.1二元極小極大博弈240 
12.2.2訓練242 
12.3 CGAN 244
12.4 DCGAN 247 
12.5小結252 
第13章有趣的深度學習應用254 
13.1人臉識別254 
13.2作詩姬259 
13.3梵高附體264 
13.3.1網絡結構265 
13.3.2內容損失268 
13.3.3風格損失270 
13.3 .4係數比例271 
13.3.5代碼分析272 
13.4小結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