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
深度學習實戰手冊 R語言版 版權信息
- ISBN：9787115524256
- 條形碼：9787115524256 ; 978-7-115-52425-6
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習實戰手冊 R語言版 本書特色
本書介紹使用 R 語言和深度學習庫 TensorFlow、H2O 和 MXNet 構建不同的深度學習模型的方法和原理。本書共 10 章，其中第 1、2 章介紹如何在 R 中配置不同的深度學習庫以及如何構建神經網絡；第 3 ～ 7 章介紹卷積神經網絡、自動編碼器、生成模型、循環神經網絡和強化學習的構建方法和原理；第 8、9 章介紹深度學習在文本挖掘以及信號處理中的應用；第 10 章介紹遷移學習以及如何利用 GPU 部署深度學習模型。本書的結構簡單明了，每部分由準備環節、動手操作和工作原理組成，可強化讀者的學習；內容上覆蓋了深度學習領域常見的神經網絡類型，并介紹了使用場景。同時，書中包含大量實用的示例代碼，方便讀者應用到實際項目中。本書適合有一定 R 語言編程基礎，并且希望使用 R 語言快速開展深度學習項目的軟件工程師或高校師生、科研人員閱讀。
深度學習實戰手冊 R語言版 內容簡介
深度學習在R語言中的實際應用受到越來越多的數據挖掘和統計分析人士的關注。本書旨在幫助他們掌握復雜的R深度學習包, 如mxnet&tensorflow ; 使用文本、語音、圖像等實際的例子掌握深度學習在實際中的應用 ; 以及使用CPU和GPU設置深度學習模型。
深度學習實戰手冊 R語言版 目錄
第 1章 入門 1
1.1 介紹 1
1.2 安裝 R 及其 IDE 2
1.2.1 準備 2
1.2.2 怎么做 2
1.3 安裝 Jupyter Notebook 應用 3
1.3.1 怎么做 3
1.3.2 更多內容 5
1.4 從 R 機器學習基礎開始 5
1.4.1 怎么做 6
1.4.2 工作原理 9
1.5 在 R 中安裝深度學習的工具 包 11
1.6 在 R 中安裝 MXNet 11
1.6.1 做好準備 11
1.6.2 怎么做 12
1.7 在 R 中安裝 TensorFlow 13
1.7.1 做好準備 13
1.7.2 怎么做 14
1.7.3 工作原理 15
1.8 在 R 中安裝 H2O 15
1.8.1 做好準備 15
1.8.2 怎么做 16
1.8.3 工作原理 17
1.8.4 更多內容 20
1.9 使用 Docker 一次安裝 3 個包 20
1.9.1 做好準備 20
1.9.2 怎么做 21
1.9.3 更多內容 22
第 2章 R深度學習 23
2.1 始于邏輯回歸 23
2.1.1 做好準備 23
2.1.2 怎么做 24
2.2 介紹數據集 25
2.2.1 做好準備 25
2.2.2 怎么做 25
2.3 使用 H2O 執行邏輯回歸 26
2.3.1 做好準備 26
2.3.2 怎么做 27
2.3.3 工作原理 28
2.4 使用 TensorFlow 執行邏輯回歸 30
2.4.1 做好準備 30
2.4.2 怎么做 30
2.4.3 工作原理 32
2.5 可視化 TensorFlow 圖 33
2.5.1 做好準備 33
2.5.2 怎么做 34
2.5.3 工作原理 36
2.6 從多層感知器開始 37
2.6.1 做好準備 37
2.6.2 怎么做 38
2.6.3 更多內容 38
2.7 使用 H2O 建立神經網絡 39
2.7.1 做好準備 39
2.7.2 怎么做 39
2.7.3 工作原理 41
2.8 使用 H2O 中的網格搜索調整超參數 42
2.8.1 做好準備 42
2.8.2 怎么做 42
2.8.3 工作原理 43
2.9 使用 MXNet 建立神經網絡 44
2.9.1 做好準備 44
2.9.2 怎么做 44
2.9.3 工作原理 46
2.10 使用 TensorFlow 建立神經網絡 46
2.10.1 做好準備 46
2.10.2 怎么做 46
2.10.3 工作原理 49
2.10.4 更多內容 50
第3章 卷積神經網絡 52
3.1 介紹 52
3.2 下載并配置圖像數據集 53
3.2.1 做好準備 54
3.2.2 怎么做 54
3.2.3 工作原理 57
3.3 學習 CNN 分類器的架構 58
3.3.1 做好準備 58
3.3.2 怎么做 58
3.3.3 工作原理 59
3.4 使用函數初始化權重和偏差 60
3.4.1 做好準備 61
3.4.2 怎么做 61
3.4.3 工作原理 61
3.5 使用函數創建一個新的卷積層 61
3.5.1 做好準備 61
3.5.2 怎么做 62
3.5.3 工作原理 64
3.6 使用函數創建一個扁平化的卷積層 65
3.6.1 做好準備 65
3.6.2 怎么做 65
3.6.3 工作原理 65
3.7 使用函數扁平化密集連接層 66
3.7.1 做好準備 66
3.7.2 怎么做 66
3.7.3 工作原理 67
3.8 定義占位符變量 67
3.8.1 做好準備 67
3.8.2 怎么做 67
3.8.3 工作原理 68
3.9 創建第 一個卷積層 68
3.9.1 做好準備 69
3.9.2 怎么做 69
3.9.3 工作原理 70
3.10 創建第二個卷積層 70
3.10.1 做好準備 70
3.10.2 怎么做 71
3.10.3 工作原理 71
3.11 扁平化第二個卷積層 72
3.11.1 做好準備 72
3.11.2 怎么做 72
3.11.3 工作原理 72
3.12 創建第 一個完全連接的層 73
3.12.1 做好準備 73
3.12.2 怎么做 73
3.12.3 工作原理 73
3.13 將 dropout 應用于第 一個完全連接的層 73
3.13.1 做好準備 74
3.13.2 怎么做 74
3.13.3 工作原理 74
3.14 創建第二個帶有 dropout 的完全連接層 74
3.14.1 做好準備 74
3.14.2 怎么做 75
3.14.3 工作原理 75
3.15 應用 Softmax 激活以獲得預測的類 75
3.15.1 做好準備 75
3.15.2 怎么做 75
3.16 定義用于優化的成本函數 76
3.16.1 做好準備 76
3.16.2 怎么做 76
3.16.3 工作原理 76
3.17 執行梯度下降成本優化 77
3.17.1 做好準備 77
3.17.2 怎么做 77
3.18 在 TensorFlow 會話中執行圖 77
3.18.1 做好準備 77
3.18.2 怎么做 78
3.18.3 工作原理 78
3.19 評估測試數據的性能 79
3.19.1 做好準備 79
3.19.2 怎么做 79
3.19.3 工作原理 81
第4章 使用自動編碼器的數據表示 83
4.1 介紹 83
4.2 構建自動編碼器 84
4.2.1 做好準備 85
4.2.2 怎么做 85
4.3 數據歸一化 86
4.3.1 做好準備 86
4.3.2 怎么做 88
4.4 構建正則自動編碼器 92
4.4.1 做好準備 92
4.4.2 怎么做 92
4.4.3 工作原理 92
4.5 微調自動編碼器的參數 93
4.6 構建棧式自動編碼器 94
4.6.1 做好準備 94
4.6.2 怎么做 95
4.7 構建降噪自動編碼器 96
4.7.1 做好準備 96
4.7.2 怎么做 96
4.7.3 工作原理 101
4.8 構建并比較隨機編碼器和解碼器 102
4.8.1 做好準備 103
4.8.2 怎么做 103
4.9 從自動編碼器學習流形 109
4.10 評估稀疏分解 113
4.10.1 做好準備 114
4.10.2 怎么做 114
4.10.3 工作原理 115
第5章 深度學習中的生成模型 116
5.1 比較主成分分析和受限玻爾茲曼機 116
5.1.1 做好準備 117
5.1.2 怎么做 118
5.2 為伯努利分布輸入配置受限玻爾茲曼機 121
5.2.1 做好準備 122
5.2.2 怎么做 122
5.3 訓練受限玻爾茲曼機 122
5.3.1 做好準備 123
5.3.2 怎么做 123
5.4 RBM 的反向或重構階段 124
5.4.1 做好準備 124
5.4.2 怎么做 124
5.5 了解重構的對比散度 125
5.5.1 做好準備 125
5.5.2 怎么做 125
5.5.3 工作原理 126
5.6 初始化并啟動一個新的 TensorFlow 會話 126
5.6.1 做好準備 126
5.6.2 怎么做 127
5.6.3 工作原理 128
5.7 評估 RBM 的輸出 129
5.7.1 做好準備 130
5.7.2 怎么做 130
5.7.3 工作原理 131
5.8 為協同過濾構建一個受限玻爾茲曼機 132
5.8.1 做好準備 132
5.8.2 怎么做 132
5.9 執行一個完整的 RBM 訓練 135
5.9.1 做好準備 137
5.9.2 怎么做 137
5.10 構建深度信念網絡 139
5.10.1 做好準備 140
5.10.2 怎么做 141
5.10.3 工作原理 144
5.11 實現前饋反向傳播神經網絡 145
5.11.1 做好準備 145
5.11.2 怎么做 146
5.11.3 工作原理 150
5.12 建立一個深度受限玻爾茲曼機 150
5.12.1 做好準備 150
5.12.2 怎么做 151
5.12.3 工作原理 156
第6章 循環神經網絡 157
6.1 建立一個基本的循環神經網絡 157
6.1.1 做好準備 157
6.1.2 怎么做 158
6.1.3 工作原理 160
6.2 建立一個雙向 RNN 模型 161
6.2.1 做好準備 162
6.2.2 怎么做 162
6.3 建立一個深度 RNN 模型 165
6.4 建立一個基于長短期記憶的序列模型 166
6.4.1 怎么做 167
6.4.2 工作原理 167
第7章 強化學習 170
7.1 介紹 170
7.2 建立馬爾可夫決策過程 171
7.2.1 做好準備 171
7.2.2 怎么做 172
7.3 執行基于模型的學習 177
7.4 進行無模型學習 180
7.4.1 做好準備 180
7.4.2 怎么做 181
第8章 深度學習在文本挖掘中的應用 185
8.1 對文本數據進行預處理并提取情感 185
8.1.1 怎么做 185
8.1.2 工作原理 191
8.2 使用 tf-idf 分析文檔 192
8.2.1 怎么做 192
8.2.2 工作原理 194
8.3 使用 LSTM 網絡執行情感預測 194
8.3.1 怎么做 194
8.3.2 工作原理 198
8.4 使用 text2vec 示例的應用程序 198
8.4.1 怎么做 198
8.4.2 工作原理 201
第9章 深度學習在信號處理中的應用 202
9.1 介紹并預處理音樂 MIDI 文件 202
9.1.1 做好準備 202
9.1.2 怎么做 203
9.2 建立 RBM 模型 204
9.2.1 做好準備 204
9.2.2 怎么做 204
9.3 生成新的音符 206
第 10章 遷移學習 208
10.1 介紹 208
10.2 舉例說明預訓練模型的使用 209
10.2.1 做好準備 210
10.2.2 怎么做 210
10.3 構建遷移學習模型 213
10.3.1 做好準備 213
10.3.2 怎么做 213
10.4 構建圖像分類模型 216
10.4.1 做好準備 216
10.4.2 怎么做 216
10.5 在 GPU 上訓練深度學習模型 219
10.5.1 做好準備 219
10.5.2 怎么做 220
10.6 比較使用 CPU 和 GPU 的性能 221
10.6.1 做好準備 221
10.6.2 怎么做 222
10.6.3 更多內容 224
10.6.4 另請參閱 224
1.1 介紹 1
1.2 安裝 R 及其 IDE 2
1.2.1 準備 2
1.2.2 怎么做 2
1.3 安裝 Jupyter Notebook 應用 3
1.3.1 怎么做 3
1.3.2 更多內容 5
1.4 從 R 機器學習基礎開始 5
1.4.1 怎么做 6
1.4.2 工作原理 9
1.5 在 R 中安裝深度學習的工具 包 11
1.6 在 R 中安裝 MXNet 11
1.6.1 做好準備 11
1.6.2 怎么做 12
1.7 在 R 中安裝 TensorFlow 13
1.7.1 做好準備 13
1.7.2 怎么做 14
1.7.3 工作原理 15
1.8 在 R 中安裝 H2O 15
1.8.1 做好準備 15
1.8.2 怎么做 16
1.8.3 工作原理 17
1.8.4 更多內容 20
1.9 使用 Docker 一次安裝 3 個包 20
1.9.1 做好準備 20
1.9.2 怎么做 21
1.9.3 更多內容 22
第 2章 R深度學習 23
2.1 始于邏輯回歸 23
2.1.1 做好準備 23
2.1.2 怎么做 24
2.2 介紹數據集 25
2.2.1 做好準備 25
2.2.2 怎么做 25
2.3 使用 H2O 執行邏輯回歸 26
2.3.1 做好準備 26
2.3.2 怎么做 27
2.3.3 工作原理 28
2.4 使用 TensorFlow 執行邏輯回歸 30
2.4.1 做好準備 30
2.4.2 怎么做 30
2.4.3 工作原理 32
2.5 可視化 TensorFlow 圖 33
2.5.1 做好準備 33
2.5.2 怎么做 34
2.5.3 工作原理 36
2.6 從多層感知器開始 37
2.6.1 做好準備 37
2.6.2 怎么做 38
2.6.3 更多內容 38
2.7 使用 H2O 建立神經網絡 39
2.7.1 做好準備 39
2.7.2 怎么做 39
2.7.3 工作原理 41
2.8 使用 H2O 中的網格搜索調整超參數 42
2.8.1 做好準備 42
2.8.2 怎么做 42
2.8.3 工作原理 43
2.9 使用 MXNet 建立神經網絡 44
2.9.1 做好準備 44
2.9.2 怎么做 44
2.9.3 工作原理 46
2.10 使用 TensorFlow 建立神經網絡 46
2.10.1 做好準備 46
2.10.2 怎么做 46
2.10.3 工作原理 49
2.10.4 更多內容 50
第3章 卷積神經網絡 52
3.1 介紹 52
3.2 下載并配置圖像數據集 53
3.2.1 做好準備 54
3.2.2 怎么做 54
3.2.3 工作原理 57
3.3 學習 CNN 分類器的架構 58
3.3.1 做好準備 58
3.3.2 怎么做 58
3.3.3 工作原理 59
3.4 使用函數初始化權重和偏差 60
3.4.1 做好準備 61
3.4.2 怎么做 61
3.4.3 工作原理 61
3.5 使用函數創建一個新的卷積層 61
3.5.1 做好準備 61
3.5.2 怎么做 62
3.5.3 工作原理 64
3.6 使用函數創建一個扁平化的卷積層 65
3.6.1 做好準備 65
3.6.2 怎么做 65
3.6.3 工作原理 65
3.7 使用函數扁平化密集連接層 66
3.7.1 做好準備 66
3.7.2 怎么做 66
3.7.3 工作原理 67
3.8 定義占位符變量 67
3.8.1 做好準備 67
3.8.2 怎么做 67
3.8.3 工作原理 68
3.9 創建第 一個卷積層 68
3.9.1 做好準備 69
3.9.2 怎么做 69
3.9.3 工作原理 70
3.10 創建第二個卷積層 70
3.10.1 做好準備 70
3.10.2 怎么做 71
3.10.3 工作原理 71
3.11 扁平化第二個卷積層 72
3.11.1 做好準備 72
3.11.2 怎么做 72
3.11.3 工作原理 72
3.12 創建第 一個完全連接的層 73
3.12.1 做好準備 73
3.12.2 怎么做 73
3.12.3 工作原理 73
3.13 將 dropout 應用于第 一個完全連接的層 73
3.13.1 做好準備 74
3.13.2 怎么做 74
3.13.3 工作原理 74
3.14 創建第二個帶有 dropout 的完全連接層 74
3.14.1 做好準備 74
3.14.2 怎么做 75
3.14.3 工作原理 75
3.15 應用 Softmax 激活以獲得預測的類 75
3.15.1 做好準備 75
3.15.2 怎么做 75
3.16 定義用于優化的成本函數 76
3.16.1 做好準備 76
3.16.2 怎么做 76
3.16.3 工作原理 76
3.17 執行梯度下降成本優化 77
3.17.1 做好準備 77
3.17.2 怎么做 77
3.18 在 TensorFlow 會話中執行圖 77
3.18.1 做好準備 77
3.18.2 怎么做 78
3.18.3 工作原理 78
3.19 評估測試數據的性能 79
3.19.1 做好準備 79
3.19.2 怎么做 79
3.19.3 工作原理 81
第4章 使用自動編碼器的數據表示 83
4.1 介紹 83
4.2 構建自動編碼器 84
4.2.1 做好準備 85
4.2.2 怎么做 85
4.3 數據歸一化 86
4.3.1 做好準備 86
4.3.2 怎么做 88
4.4 構建正則自動編碼器 92
4.4.1 做好準備 92
4.4.2 怎么做 92
4.4.3 工作原理 92
4.5 微調自動編碼器的參數 93
4.6 構建棧式自動編碼器 94
4.6.1 做好準備 94
4.6.2 怎么做 95
4.7 構建降噪自動編碼器 96
4.7.1 做好準備 96
4.7.2 怎么做 96
4.7.3 工作原理 101
4.8 構建并比較隨機編碼器和解碼器 102
4.8.1 做好準備 103
4.8.2 怎么做 103
4.9 從自動編碼器學習流形 109
4.10 評估稀疏分解 113
4.10.1 做好準備 114
4.10.2 怎么做 114
4.10.3 工作原理 115
第5章 深度學習中的生成模型 116
5.1 比較主成分分析和受限玻爾茲曼機 116
5.1.1 做好準備 117
5.1.2 怎么做 118
5.2 為伯努利分布輸入配置受限玻爾茲曼機 121
5.2.1 做好準備 122
5.2.2 怎么做 122
5.3 訓練受限玻爾茲曼機 122
5.3.1 做好準備 123
5.3.2 怎么做 123
5.4 RBM 的反向或重構階段 124
5.4.1 做好準備 124
5.4.2 怎么做 124
5.5 了解重構的對比散度 125
5.5.1 做好準備 125
5.5.2 怎么做 125
5.5.3 工作原理 126
5.6 初始化并啟動一個新的 TensorFlow 會話 126
5.6.1 做好準備 126
5.6.2 怎么做 127
5.6.3 工作原理 128
5.7 評估 RBM 的輸出 129
5.7.1 做好準備 130
5.7.2 怎么做 130
5.7.3 工作原理 131
5.8 為協同過濾構建一個受限玻爾茲曼機 132
5.8.1 做好準備 132
5.8.2 怎么做 132
5.9 執行一個完整的 RBM 訓練 135
5.9.1 做好準備 137
5.9.2 怎么做 137
5.10 構建深度信念網絡 139
5.10.1 做好準備 140
5.10.2 怎么做 141
5.10.3 工作原理 144
5.11 實現前饋反向傳播神經網絡 145
5.11.1 做好準備 145
5.11.2 怎么做 146
5.11.3 工作原理 150
5.12 建立一個深度受限玻爾茲曼機 150
5.12.1 做好準備 150
5.12.2 怎么做 151
5.12.3 工作原理 156
第6章 循環神經網絡 157
6.1 建立一個基本的循環神經網絡 157
6.1.1 做好準備 157
6.1.2 怎么做 158
6.1.3 工作原理 160
6.2 建立一個雙向 RNN 模型 161
6.2.1 做好準備 162
6.2.2 怎么做 162
6.3 建立一個深度 RNN 模型 165
6.4 建立一個基于長短期記憶的序列模型 166
6.4.1 怎么做 167
6.4.2 工作原理 167
第7章 強化學習 170
7.1 介紹 170
7.2 建立馬爾可夫決策過程 171
7.2.1 做好準備 171
7.2.2 怎么做 172
7.3 執行基于模型的學習 177
7.4 進行無模型學習 180
7.4.1 做好準備 180
7.4.2 怎么做 181
第8章 深度學習在文本挖掘中的應用 185
8.1 對文本數據進行預處理并提取情感 185
8.1.1 怎么做 185
8.1.2 工作原理 191
8.2 使用 tf-idf 分析文檔 192
8.2.1 怎么做 192
8.2.2 工作原理 194
8.3 使用 LSTM 網絡執行情感預測 194
8.3.1 怎么做 194
8.3.2 工作原理 198
8.4 使用 text2vec 示例的應用程序 198
8.4.1 怎么做 198
8.4.2 工作原理 201
第9章 深度學習在信號處理中的應用 202
9.1 介紹并預處理音樂 MIDI 文件 202
9.1.1 做好準備 202
9.1.2 怎么做 203
9.2 建立 RBM 模型 204
9.2.1 做好準備 204
9.2.2 怎么做 204
9.3 生成新的音符 206
第 10章 遷移學習 208
10.1 介紹 208
10.2 舉例說明預訓練模型的使用 209
10.2.1 做好準備 210
10.2.2 怎么做 210
10.3 構建遷移學習模型 213
10.3.1 做好準備 213
10.3.2 怎么做 213
10.4 構建圖像分類模型 216
10.4.1 做好準備 216
10.4.2 怎么做 216
10.5 在 GPU 上訓練深度學習模型 219
10.5.1 做好準備 219
10.5.2 怎么做 220
10.6 比較使用 CPU 和 GPU 的性能 221
10.6.1 做好準備 221
10.6.2 怎么做 222
10.6.3 更多內容 224
10.6.4 另請參閱 224
展開全部
深度學習實戰手冊 R語言版 作者簡介
關于作者 Prakash 博士是一位數據科學家和作家，目前在 ZS 咨詢公司擔任數據科學經理。他獲得了美國威斯康星大學麥迪遜分校的工業和系統工程博士學位，其第 2 個工程博士學位是在英國華威大學獲得的；他之前還獲得了美國威斯康星大學麥迪遜分校的碩士學位、印度國家鑄造和鍛造技術研究所（NIFFT）的學士學位。 Prakash 在 IEEE-Trans、EJOR 和 IJPR 等多個刊物上發表了多篇文章，涉及運籌學和管理、軟計算工具和高級算法等多個研究領域。Achyutuni Sri Krishna Rao 是數據科學家、土木工程師和作家，目前在 ZS 咨詢公司擔任數據科學顧問。他獲得了新加坡國立大學企業商業分析和機器學習的碩士學位、印度 Warangal 國家技術研究所的學士學位。 Sri Krishna 在土木工程研究領域發表了多篇文章，并參與了 Packt 出版的名為 Algorithms and Data Structures Using R 一書的寫作。關于譯者 王洋洋，計算機碩士，狂熱的數據愛好者，現為云網絡安全領域大數據工程師，熟悉多種編程語言、大數據技術、機器學習算法和設計模式等，對自然語言處理也頗感興趣，曾翻譯《R 圖形化數據分析》一書。
書友推薦
- >
姑媽的寶刀
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
李白與唐代文化
- >
經典常談
- >
有舍有得是人生
- >
唐代進士錄
- >
山海經
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
