作品简介

本书以实战为主,通过丰富的实战案例向读者介绍深度学习可应用和落地的项目,书中所有案例都基于Python TensorFlow2.5Keras技术,可用于深度学习课程的实战训练。本书配套示例源码、PPT课件、思维导图、数据集、开发环境与答疑服务。全书共分11章。第1章讲解深度学习的概念、流程、应用场景、模型分类和框架选择,第2~11章列举深度学习的项目实战案例,包括手写体识别、数据集分类、情感分类、文本情感分类、编码器、汉字拼音转换、中文文本分类、多标签文本分类、人脸检测、人脸识别、语音汉字转换。本书内容详尽、案例丰富,是深度学习初学者的参考书,适合有基础、亟待提升自己技术水平的人工智能从业人员,也可作为高等院校和培训机构人工智能及相关专业的教材使用。

王晓华,计算机专业讲师,研究方向为云计算、大数据与人工智能。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV TensorFlow深度学习与计算机视觉实战》《TensorFlow知识图谱实战》《TensorFlow人脸识别实战》《TensorFlow语音识别实战》《TensorFlow2.0卷积神经网络实战》《Keras实战:基于TensorFlow2.2的深度学习实践》《TensorFlow深度学习从零开始学》《深度学习的数学原理与实现》等图书。

作品目录

  • 前言
  • 本书特色
  • 示例源码、PPT课件、思维导图、数据集、开发环境下载与答疑服务
  • 本书内容及知识体系
  • 适合阅读本书的读者
  • 勘误和鸣谢
  • 第1章 深度学习与应用框架
  • 1.1 深度学习的概念
  • 1.2 案例实战:文本的情感分类
  • 1.3 深度学习的流程、应用场景和模型分类
  • 1.4 主流深度学习的框架对比
  • 1.5 本章小结
  • 第2章 实战卷积神经网络——手写体识别
  • 2.1 卷积神经网络理论基础
  • 2.2 案例实战:MNIST手写体识别
  • 2.3 本章小结
  • 第3章 实战ResNet——CIFAR-100数据集分类
  • 3.1 ResNet理论基础
  • 3.2 案例实战:CIFAR-100数据集分类
  • 3.3 本章小结
  • 第4章 实战循环神经网络GRU——情感分类
  • 4.1 情感分类理论基础
  • 4.2 案例实战:情感分类
  • 4.3 本章小结
  • 第5章 实战图卷积——文本情感分类
  • 5.1 图卷积理论基础
  • 5.2 案例实战:Cora数据集文本分类
  • 5.3 案例实战:基于图卷积的情感分类(图卷积前沿内容)
  • 5.4 本章小结
  • 第6章 实战自然语言处理——编码器
  • 6.1 编码器理论基础
  • 6.2 案例实战:简单的编码器
  • 6.3 案例实战:汉字拼音转化模型
  • 6.4 本章小结
  • 第7章 实战BERT——中文文本分类
  • 7.1 BERT理论基础
  • 7.2 案例实战:中文文本分类
  • 7.3 拓展:更多的预训练模型
  • 7.4 本章小结
  • 第8章 实战自然语言处理——多标签文本分类
  • 8.1 多标签分类理论基础
  • 8.2 案例实战:多标签文本分类
  • 8.3 本章小结
  • 第9章 实战MTCNN—人脸检测
  • 9.1 人脸检测基础
  • 9.2 案例实战:基于MTCNN模型的人脸检测
  • 9.3 本章小结
  • 第10章 实战SiameseModel—人脸识别
  • 10.1 基于深度学习的人脸识别模型
  • 10.2 案例实战:基于相似度计算的人脸识别模型
  • 10.3 本章小结
  • 第11章 实战MFCC和CTC——语音转换
  • 11.1 MFCC理论基础
  • 11.2 案例实战:语音汉字转换
  • 11.3 本章小结
展开全部