神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實(shí)戰(zhàn)：Python+Keras+TensorFlow

前言

本書內(nèi)容導(dǎo)圖

第1章 神經(jīng)網(wǎng)絡(luò)初體驗(yàn)

1．1 開(kāi)發(fā)環(huán)境的安裝

1．2 快速構(gòu)建一個(gè)識(shí)別手寫數(shù)字圖片的神經(jīng)網(wǎng)絡(luò)

第2章 深度學(xué)習(xí)中的微積分基礎(chǔ)

2．1 實(shí)數(shù)中的無(wú)理數(shù)

2．2 什么叫極限

2．3 函數(shù)的連續(xù)性

2．4 函數(shù)求導(dǎo)

2．5 導(dǎo)數(shù)的一般法則

2．6 間套函數(shù)的鏈?zhǔn)角髮?dǎo)法則

2．7 多變量函數(shù)與偏導(dǎo)數(shù)

2．8 導(dǎo)數(shù)與極值

2．9 使用導(dǎo)數(shù)尋求函數(shù)的最小值

第3章 深度學(xué)習(xí)的線性代數(shù)基礎(chǔ)

3．1 常量與向量

3．2 矩陣及相關(guān)操作

3．3 tensor-多維向量

3．4 向量范數(shù)

第4章 神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)

4．1 詳解神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元激活函數(shù)

4．2 使用矩陣運(yùn)算驅(qū)動(dòng)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)加工鏈

4．3 通過(guò)反向傳播算法回傳誤差改進(jìn)鏈路權(quán)重

4．4 使用矩陣和梯度下降法實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的迭代訓(xùn)練

4．5 手算梯度下降法，詳解神經(jīng)網(wǎng)絡(luò)迭代訓(xùn)練過(guò)程

第5章 用Python從零實(shí)現(xiàn)識(shí)別手寫數(shù)字的神經(jīng)網(wǎng)絡(luò)

5．1 基本框架的搭建

5．2 實(shí)現(xiàn)網(wǎng)絡(luò)的迭代訓(xùn)練功能

5．3 網(wǎng)絡(luò)訓(xùn)練，識(shí)別手寫數(shù)字圖片

第6章 神經(jīng)網(wǎng)絡(luò)項(xiàng)目實(shí)踐

6．1 使用神經(jīng)網(wǎng)絡(luò)分析電影評(píng)論的正能量和負(fù)能量

6．2 使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)新聞話題分類

6．3 使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)房?jī)r(jià)中位數(shù)

第7章 使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器視覺(jué)識(shí)別

7．1 卷積神經(jīng)網(wǎng)絡(luò)入門

7．2 從零開(kāi)始構(gòu)造一個(gè)識(shí)別貓、狗圖片的卷積網(wǎng)絡(luò)

7．3 使用預(yù)先訓(xùn)練的卷積網(wǎng)絡(luò)實(shí)現(xiàn)圖像快速識(shí)別

7．4 視覺(jué)化神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程

7．5 揭秘卷積網(wǎng)絡(luò)的底層原理

第8章 用深度學(xué)習(xí)實(shí)現(xiàn)自然語(yǔ)言處理

8．1 WordEmbedding單詞向量化

8．2 概率論的一些重要概念

8．3 skip-gram單詞向量化算法的數(shù)學(xué)原理

8．4 使用預(yù)先訓(xùn)練好的單詞向量實(shí)現(xiàn)新聞?wù)诸?/p>

8．5 RNN-具有記憶功能的神經(jīng)網(wǎng)絡(luò)

8．6 LSTM網(wǎng)絡(luò)層詳解及其應(yīng)用

8．7 使用RNN和CNN混合的“雞尾酒療法”提升網(wǎng)絡(luò)運(yùn)行效率

第9章 自動(dòng)編解碼網(wǎng)絡(luò)和生成型對(duì)抗性網(wǎng)絡(luò)

9．1 自動(dòng)編解碼器網(wǎng)絡(luò)的原理與實(shí)現(xiàn)

9．2 去噪型編解碼網(wǎng)絡(luò)

9．3 使用自動(dòng)編解碼網(wǎng)絡(luò)實(shí)現(xiàn)黑白圖片上色

9．4 生成型對(duì)抗性網(wǎng)絡(luò)

9．5 生成型對(duì)抗性網(wǎng)絡(luò)的代碼實(shí)現(xiàn)

9．6 條件性生成型對(duì)抗性網(wǎng)絡(luò)

……

第10章 增強(qiáng)性學(xué)習(xí)網(wǎng)絡(luò)開(kāi)發(fā)實(shí)踐

第11章 TensorFlow入門

第12章 使用TensorFlow和Keras開(kāi)發(fā)高級(jí)自然語(yǔ)言處理系統(tǒng)

第13章 使用TensorFlow和Keras實(shí)現(xiàn)高級(jí)圖像識(shí)別處理系統(tǒng)

第14章 使用TensorFlow和Keras打造智能推薦系統(tǒng)

第15章 深度學(xué)習(xí)的重要概念和技巧總結(jié)