零基础入门Python深度学习

作品简介

本书从基础知识开始讲解深度学习的原理和应用，包括该领域的发展、深度学习的入门知识、深度学习模型的理论、代码和实际应用中的优化。本书共12章，主要内容包括深度学习基础、深度学习的环境准备、深度学习的知识准备、神经网络基础知识、使用Keras构建神经网络、神经网络的进一步优化、卷积神经网络、使用Keras构建卷积神经网络、卷积神经网络可视化、迁移学习、循环神经网络和使用Keras构建循环神经网络等。对于本书中介绍的深度学习模型，我们提供了实例代码供读者学习。本书作为深度学习的入门书籍，适合希望从零开始了解深度学习技术，并且快速掌握深度学习理论和使用深度学习工具的学生和技术人员阅读。

刘文如编著

作品目录

• 前言
• 第1章　深度学习入门
• 1.1　什么是深度学习
• 1.2　深度学习的发展
• 1.3　认识当前的深度学习
• 1.4　深度学习的应用领域
• 1.5　如何入门深度学习
• 第2章　深度学习的环境准备
• 2.1　选择Python作为深度学习的编程语言
• 2.2　深度学习常用框架介绍
• 2.3　选择适合自己的框架
• 2.4　Python的安装
• 2.5　Keras的安装
• 第3章　深度学习的知识准备
• 3.1　概率论
• 3.2　线性代数
• 3.3　导数
• 3.4　机器学习基础
• 第4章　神经网络
• 4.1　神经网络与深度学习
• 4.2　前向传播算法
• 4.3　反向传播算法
• 4.4　更好地训练神经网络
• 第5章　使用Keras构建神经网络
• 5.1　Keras中的模型
• 5.2　Keras中的网络层
• 5.3　模型的编译
• 5.4　训练模型
• 5.5　使用训练好的模型
• 5.6　实例：手写体分类问题
• 5.7　Keras批量训练大量数据
• 5.8　在Keras中重复使用模型
• 第6章　神经网络的进一步优化
• 6.1　过拟合
• 6.2　梯度消失和梯度爆炸
• 6.3　局部最优
• 6.4　批量归一化
• 第7章　卷积神经网络
• 7.1　计算机视觉和图像识别
• 7.2　卷积神经网络基础
• 7.3　为什么要使用卷积神经网络
• 7.4　图像处理数据集
• 7.5　CNN发展历程
• 第8章　使用Keras构建卷积神经网络
• 8.1　Keras中的卷积层
• 8.2　Keras中的池化层
• 8.3　Keras中的全连接层
• 8.4　实例1：使用卷积神经网络处理手写体分类问题
• 8.5　实例2：重复使用已经训练好的卷积神经网络模型
• 8.6　图像的数据增强
• 第9章　卷积神经网络可视化
• 9.1　概述
• 9.2　对神经网络进行可视化
• 9.3　对关注点进行可视化
• 9.4　自动驾驶的应用
• 第10章　迁移学习
• 10.1　什么是迁移学习
• 10.2　为什么要使用迁移学习
• 10.3　迁移学习的适用性
• 10.4　在Keras中进行迁移学习
• 第11章　循环神经网络
• 11.1　神经网络中的序列问题
• 11.2　循环神经网络的使用
• 11.3　长短期记忆网络
• 11.4　应用场景
• 第12章　使用Keras构建循环神经网络
• 12.1　Keras中的循环层
• 12.2　Keras中的嵌入层
• 12.3　IMDB实例
• 12.4　LSTM实例
• 12.5　有状态的循环神经网络