深度学习全书(公式+推导+代码+TensorFlow全程案例) 版权信息
- ISBN:9787302610304
- 条形码:9787302610304 ; 978-7-302-61030-4
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 所属分类:>
深度学习全书(公式+推导+代码+TensorFlow全程案例) 本书特色
深度学习已经风靡全球,对于计算机相关的从业者来说,学习其相关知识至关重要,对于非计算机领域的从业者来说,学习这些知识也可以大大扩宽自己的视野,对科技世界的发展动向略知一二。《深度学习全书——公式+推导+代码+TensorFlow全程案例》的作者以统计学人的角度,从深度学习**的数理知识出发,一步步介绍各种领域的算法和应用,帮助学习者们构建一个完整的知识体系,做到即学即用,避免让知识成为空中楼阁。
深度学习全书(公式+推导+代码+TensorFlow全程案例) 内容简介
《深度学习全书——公式+推导+代码+TensorFlow全程案例》共有15章,分为5部分,**篇说明深度学习的概念,包括数理基础,特点是结合编程解题,加深读者印象,第二篇说明TensorFlow的学习地图,从张量、自动微分、梯度下降乃至神经层的实践,逐步解构神经网络,第三篇介绍CNN算法、影像应用、转移学习等,第四篇则进入自然语言处理及语音识别的领域,介绍RNN/BERT/Transformer算法、相关应用等,*后,介绍了强化学习的基础知识,包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法,当然,还有相关案例实践。
深度学习全书(公式+推导+代码+TensorFlow全程案例) 目录
目 录
**篇 深度学习导论
**篇 深度学习导论
第 1 章 深度学习导论 2
人工智能的三波浪潮 2
AI 的学习地图 4
机器学习应用领域 5
机器学习开发流程 6
开发环境安装 7
第 2 章 神经网络原理 12
**的数学与统计知识 12
2-2-1向量 ……………………142-2-2矩阵 ……………………182-2-3联立方程式求解 ………22
线性代数 14
微积分 24
_x00E_2-3-5 积分 37
概率与统计 41
2-4-1数据类型 ………………422-4-2抽样 ……………………432-4-3基础统计 ………………462-4-4概率 ……………………532-4-5概率分布 ………………592-4-6假设检定 ………………69线性规划 78
普通*小二乘法与*大似然
估计法 81
普通*小二乘法 81
*大似然估计法 84
2-7-1神经网络 ………………882-7-2梯度下降法 ……………912-7-3神经网络求解 …………94
神经网络求解 88
2-3-1微分 ……………………242-3-2微分定理 ………………292-3-3偏微分 …………………322-3-4简单线性回归求解 ……36深度学习全书——公式 + 推导 + 代码 +TensorFlow 全程案例
第二篇 TensorFlow 基础篇
第二篇 TensorFlow 基础篇
第 3 章 TensorFlow 架 构 与
主要功能 98
常用的深度学习框架 98
TensorFlow 架构 99
张量运算 100
自动微分 105
神经网络层 109
第 4 章 神经网络实践 114
撰写**个神经网络程序 114
HYPERLINK \l "_TOC_250021" *简短的程序 114
HYPERLINK \l "_TOC_250020" 程序强化 115
HYPERLINK \l "_TOC_250019" 4-1-3 实验 124
Keras 模型种类 129
HYPERLINK \l "_TOC_250018" Sequential model 129
HYPERLINK \l "_TOC_250017" Functional API 133
4-3 神 经层 135
HYPERLINK \l "_TOC_250016" 完全连接神经层 135
HYPERLINK \l "_TOC_250015" Dropout Layer 137
激活函数 137
损失函数 142
4-6 优 化器 144
效果衡量指标 148
超参数调校 152
第 5 章 TensorFlow 其他常用
指令 156
特征转换 156
模型存盘与加载 157
模型汇总与结构图 159
_x00E_回调函数 161
EarlyStopping
Callbacks 162
ModelCheckpoint
Callbacks 163
TensorBoard Callbacks … 164
HYPERLINK \l "_TOC_250014" 自定义 Callback 165
自定义 Callback 应用 … 168
HYPERLINK \l "_TOC_250013" 5-4-6 总结 169
TensorBoard 169
HYPERLINK \l "_TOC_250012" 5-5-1 TensorBoard 功能 169
HYPERLINK \l "_TOC_250011" 5-5-2 测试 171
HYPERLINK \l "_TOC_250010" 5-5-3 写入图片 172
HYPERLINK \l "_TOC_250009" 5-5-4 直 方图 173
HYPERLINK \l "_TOC_250008" 效果调校 174
HYPERLINK \l "_TOC_250007" 敏感度分析 175
HYPERLINK \l "_TOC_250006" 5-5-7 总结 176
模型部署与 TensorFlow
Serving 176
HYPERLINK \l "_TOC_250005" 自行开发网页程序 176
HYPERLINK \l "_TOC_250004" TensorFlow Serving 178
TensorFlow Dataset 180
HYPERLINK \l "_TOC_250003" 产生 Dataset 180
HYPERLINK \l "_TOC_250002" 图像 Dataset 184
TFRecord 与 Dataset … 186
HYPERLINK \l "_TOC_250001" TextLineDataset 189
HYPERLINK \l "_TOC_250000" Dataset 效果提升 191
第 6 章 卷积神经网络 193
6-1 卷积神经网络简介 193
IV
目 录
6-2 卷积 194
6-3 各式卷积 197
6-4 池 化层 201
CNN 模型实践 202
影像数据增补 206
可解释的 AI 211
_x00E_第 7 章 预先训练的模型 ………219
预先训练的模型简介 219
采用完整的模型 221
采用部分模型 225
转移学习 229
Batch Normalization 说明 233
第三篇 进阶的影像应用
第三篇 进阶的影像应用
第 8 章 目标检测 238
图像辨识模型的发展 238
滑动窗口 239
方向梯度直方图 242
R-CNN 目标检测 252
R-CNN 改良 263
YOLO 算法简介 266
YOLO 环境配置 269
以 TensorFlow 实践 YOLO
模型… 274
YOLO 模型训练 280
SSD 算法 285
TensorFlow Object Detection
API 285
目标检测的效果衡量指标 294
8-13 总结 295
第 9 章 进阶的影像应用 296
语义分割介绍 296
自动编码器 297
语义分割实践 305
实例分割 311
_x00E_风格转换—人人都可以是
毕加索 315
脸部辨识 327
脸部检测 327
MTCNN 算法 332
脸部追踪 334
脸部特征点检测 340
脸部验证 346
光学文字辨识 349
车牌辨识 353
卷积神经网络的缺点 357
第 10 章 生成对抗网络 359
生成对抗网络介绍 359
生成对抗网络种类 361
DCGAN 364
Progressive GAN 375
Conditional GAN 380
Pix2Pix 385
CycleGAN 396
GAN 挑战 406
深度伪造 406
V
深度学习全书——公式 + 推导 + 代码 +TensorFlow 全程案例
第四篇 自然语言处理
第四篇 自然语言处理
第 11 章 自然语言处理的介绍 …412
词袋与 TF-IDF 412
词汇前置处理 416
11-3 词 向量 421
GloVe 模型 433
中文处理 436
spaCy 库 439
第 12 章 自然语言处理的算法 444
循环神经网络 444
长短期记忆网络 451
LSTM 重要参数与多层
LSTM 456
Gate Recurrent Unit 467
股价预测 468
注意力机制 475
Transformer 架构 485
Transformer 原理 486
Transformer 效能 487
BERT 488
Masked LM 488
Next Sentence
Prediction 489
BERT 效能微调 490
Transformers 库 491
12-9-1 Transformers 库范例 … 491
_x00E_Transformers 库效能
微调 501
后续努力 507
12-10 总结 507
第 13 章 聊天机器人 508
ChatBot 类别 508
ChatBot 设计 509
ChatBot 实践 511
ChatBot 工具框架 514
ChatterBot 实践 514
Chatbot AI 实践 517
Rasa 实践 520
Dialog?ow 实践 523
Dialog?ow 安装 525
Dialog?ow 基本功能 … 527
13-5-3 履行 532
13-6 总结 536
第 14 章 语 音 识别 537
语音基本认识 538
语音前置处理 549
语音相关的深度学习应用 561
自动语音识别 574
自动语音识别实践 577
14-6 总结 578
VI
目 录
第五篇 强化学习
第五篇 强化学习
第 15 章 强 化 学习 580
强化学习的基础 581
强化学习模型 583
简单的强化学习架构 586
Gym 库 593
Gym 扩充功能 600
动态规划 602
_x00E_15-7 值 循环 607
蒙特卡洛 610
时序差分 619
其他算法 628
井字游戏 630
木棒小车 636
15-13 总结 637
VI
展开全部
深度学习全书(公式+推导+代码+TensorFlow全程案例) 作者简介
陈昭明,成功大学统计系学士、清华大学工业工程研究所硕士。曾任职于IBM、工研院电通所、软件开发公司、ERP顾问公司、电信公司、财经数据库公司,目前担任Python、机器学习、深度学习、AIoT讲师。获2018年IT邦帮忙铁人赛 AI 组冠军、2021年IT邦帮忙铁人赛 AI 组优选。
洪锦魁,中国台湾计算机专家,著名程序员与IT作家。横跨DOS时代、Windows时代、Internet时代、大数据时代,纵观IT兴衰而笔耕不辍。台湾天龙书局IT图书常年霸榜专业户。其作品版权包括:中国台湾(繁体中文)、中国大陆(简体中文)、马来西亚(马来文)、美国(英文)。写作特色:所有程序语法依特性分类,同时以实用的程序范例进行解说,程序确保跑通,让读者可以事半功倍地轻松掌握相关知识。