掃一掃
關注中圖網
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高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能系統與技術叢書KERAS深度學習實戰 版權信息
- ISBN：9787111626275
- 條形碼：9787111626275 ; 978-7-111-62627-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能系統與技術叢書KERAS深度學習實戰 本書特色
第1章介紹了Keras的安裝和設置過程以及如何配置Keras。
第2章介紹了使用CIFAR-10、CIFAR-100或MNIST等數據集，以及用于圖像分類的其他數據集和模型。
第3章介紹了使用Keras的各種預處理和優化技術，優化技術包括TFOptimizer、AdaDelta等。
第4章詳細描述了不同的Keras層，包括遞歸層和卷積層等。
第5章通過宮頸癌分類和數字識別數據集的實例，詳細解釋如何使用卷積神經網絡算法。
第6章包括基本的生成式對抗網絡（GAN）和邊界搜索GAN。
第7章涵蓋了遞歸神經網絡的基礎，以便實現基于歷史數據集的Keras。
第8 章包括使用Keras進行單詞分析和情感分析的NLP基礎知識。
第9章展示了如何在Amazon評論數據集中使用Keras模型進行文本概述。第1章介紹了Keras的安裝和設置過程以及如何配置Keras。
第2章介紹了使用CIFAR-10、CIFAR-100或MNIST等數據集，以及用于圖像分類的其他數據集和模型。
第3章介紹了使用Keras的各種預處理和優化技術，優化技術包括TFOptimizer、AdaDelta等。
第4章詳細描述了不同的Keras層，包括遞歸層和卷積層等。
第5章通過宮頸癌分類和數字識別數據集的實例，詳細解釋如何使用卷積神經網絡算法。
第6章包括基本的生成式對抗網絡（GAN）和邊界搜索GAN。
第7章涵蓋了遞歸神經網絡的基礎，以便實現基于歷史數據集的Keras。
第8 章包括使用Keras進行單詞分析和情感分析的NLP基礎知識。
第9章展示了如何在Amazon評論數據集中使用Keras模型進行文本概述。
第10章側重于使用Keras設計和開發強化學習模型。
智能系統與技術叢書KERAS深度學習實戰 內容簡介
作為機器學習中的一個重要研究領域，人工神經網絡的發展歷史一波三折。2006年以來，隨著深度學習的興起和成功應用，人工神經網絡迎來了新的生機。與傳統的人工神經網絡相比，深度學習的很大特點是網絡層數有了大幅度的增加，配合其他相關技術，解決了以圖像、聲音等作為數據的傳統人工神經網絡難以解決的問題。作為快速實現深度學習的平臺，TensorFlow一定程度上簡化了神經網絡的構建程序，Keras進一步對TensorFlow進行了封裝，從而能更加快速地把用戶的思想轉化為代碼。本書從實用的角度出發，全方面介紹了如何使用Keras解決深度學習中的各類問題。本書假設讀者無任何關于深度學習編程的基礎知識，首先介紹了Keras這一高度模塊化、極簡式的深度學習框架的安裝、配置和編譯等平臺搭建知識，而后詳細介紹了深度學習所要求的數據預處理等基本內容，在此基礎上介紹了卷積神經網絡、生成式對抗網絡、遞歸神經網絡這三種深度學習方法并給出了相關實例代碼，很后本書介紹了自然語言處理、強化學習兩方面的內容。本書是一本實踐性很強的深度學習工具書，既適合希望快速學習和使用Keras深度學習框架的工程師、學者和從業者，又特別適合立志從事深度學習和AI相關的行業并且希望用Keras開發實際項目的工程技術人員。
智能系統與技術叢書KERAS深度學習實戰 目錄
譯者序
審校者簡介
前言
第1章 Keras安裝
1
1.1 引言
1
1.2 在Ubuntu 16.04上安裝Keras 1
1.2.1 準備工作 2
1.2.2 怎么做
2
1.3 在Docker鏡像中使用Jupyter Notebook安裝Keras 7
1.3.1 準備工作 7
1.3.2 怎么做
7
1.4 在已激活GPU的Ubuntu 16.04上安裝Keras 9
1.4.1 準備工作 9
1.4.2 怎么做
10
第2章 Keras數據集和模型 13
2.1 引言
13
2.2 CIFAR-10數據集
13
2.3 CIFAR-100數據集
15
2.4 MNIST數據集 17
2.5 從CSV文件加載數據 18
2.6 Keras模型入門 19
2.6.1 模型的剖析 19
2.6.2 模型類型 19
2.7 序貫模型 20
2.8 共享層模型 27
2.8.1 共享輸入層簡介 27
2.8.2 怎么做
27
2.9 Keras函數API 29
2.9.1 怎么做
29
2.9.2 示例的輸出 31
2.10 Keras函數API——鏈接層 31
2.11 使用Keras函數API進行圖像分類 32
第3章 數據預處理、優化和可視化 36
3.1 圖像數據特征標準化 36
3.1.1 準備工作 36
3.1.2 怎么做
37
3.2 序列填充 39
3.2.1 準備工作 39
3.2.2 怎么做
39
3.3 模型可視化 41
3.3.1 準備工作 41
3.3.2 怎么做
41
3.4 優化
43
3.5 示例通用代碼 43
3.6 隨機梯度下降優化法 44
3.6.1 準備工作 44
3.6.2 怎么做
44
3.7 Adam優化算法 47
3.7.1 準備工作 47
3.7.2 怎么做
47
3.8 AdaDelta優化算法
50
3.8.1 準備工作 51
3.8.2 怎么做
51
3.9 使用RMSProp進行優化
54
3.9.1 準備工作 54
3.9.2 怎么做
54
第4章 使用不同的Keras層實現分類 58
4.1 引言
58
4.2 乳腺癌分類 58
4.3 垃圾信息檢測分類 66
第5章 卷積神經網絡的實現 73
5.1 引言
73
5.2 宮頸癌分類 73
5.2.1 準備工作 74
5.2.2 怎么做
74
5.3 數字識別 84
5.3.1 準備工作 84
5.3.2 怎么做
85
第6章 生成式對抗網絡 89
6.1 引言
89
6.2 基本的生成式對抗網絡 90
6.2.1 準備工作 91
6.2.2 怎么做
91
6.3 邊界搜索生成式對抗網絡 98
6.3.1 準備工作 99
6.3.2 怎么做
100
6.4 深度卷積生成式對抗網絡 106
6.4.1 準備工作 107
6.4.2 怎么做
108
第7章 遞歸神經網絡 116
7.1 引言
116
7.2 用于時間序列數據的簡單RNN 117
7.2.1 準備工作 118
7.2.2 怎么做
119
7.3 時間序列數據的LSTM網絡
128
7.3.1 LSTM網絡 128
7.3.2 LSTM記憶示例 129
7.3.3 準備工作 129
7.3.4 怎么做
129
7.4 使用LSTM進行時間序列預測 133
7.4.1 準備工作 134
7.4.2 怎么做
135
7.5 基于LSTM的等長輸出序列到序列學習 143
7.5.1 準備工作 143
7.5.2 怎么做
144
第8章 使用Keras模型進行自然語言處理 150
8.1 引言
150
8.2 詞嵌入
150
8.2.1 準備工作 151
8.2.2 怎么做
151
8.3 情感分析 157
8.3.1 準備工作 157
8.3.2 怎么做
159
8.3.3 完整代碼清單 162
第9章 基于Keras模型的文本摘要 164
9.1 引言
164
9.2 評論的文本摘要 164
9.2.1 怎么做
165
9.2.2 參考資料 172
第10章 強化學習 173
10.1 引言
173
10.2 使用Keras進行《CartPole》游戲
174
10.3 使用競爭DQN算法進行《CartPole》游戲
181
10.3.1 準備工作 183
10.3.2 怎么做
187
展開全部
智能系統與技術叢書KERAS深度學習實戰 作者簡介
拉蒂普•杜瓦（Rajdeep Dua）在云計算和大數據領域擁有超過18年的經驗。他曾在IIIT Hyderabad、ISB、IIIT Delhi和Pune College of Engineering等印度一些久負盛名的科技大學教授Spark和大數據。他目前是Salesforce印度分公司開發人員團隊的負責人，曾在海德拉巴舉行的W3C會議上展示BigQuery和Google App Engine，并領導過Google、VMware和Microsoft的開發團隊，在云計算相關的數百個會議上發表過演講。 曼普里特•辛格•古特（Manpreet Singh Ghotra）在企業軟件和大數據軟件的開發領域擁有超過15年的經驗。他目前在Salesforce使用Keras、Apache Spark和TensorFlow等開源庫和框架從事機器學習平臺/API的開發。他曾涉足過多個機器學習系統領域，包括情感分析、垃圾郵件檢測和異常檢測。此外，他還曾是世界上最大的在線零售商之一的機器學習團隊的成員，使用Apache Mahout計算轉運時間、開發推薦系統。
書友推薦
- >
上帝之肋:男人的真實旅程
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
李白與唐代文化
- >
龍榆生：詞曲概論/大家小書
- >
二體千字文
- >
自卑與超越
- >
朝聞道
- >
有舍有得是人生
本類暢銷
