Python深度学习

《Python深度学习》是由人民邮电出版社年8月出版发行的一部计算机网络类的图书，由本书由Keras之父弗朗索瓦·肖莱  (Fran?ois Chollet)执笔 编著，张亮译。

基本信息

    中文名

    Python深度学习

    出版社

    人民邮电出版社

    作者

    [美] 弗朗索瓦?肖莱

    出版时间

    2018-08

    译者

    张亮

    ISBN

    9787115488763

目录     

1出版信息

2内容简介

3作者简介

4目录

折叠

编辑本段

出版信息

作者:[美] 弗朗索瓦·肖莱

出版社:人民邮电出版社

原作名:Deep Learning with Python

译者:张亮

出版年:2018-8

页数:320

定价:119.00元

装帧:平装

丛书:图灵程序设计丛书

ISBN:9787115488763

折叠

编辑本段

内容简介

本书由Keras之父、现任Google人工智能研究员的弗朗索瓦·肖莱(Fran?ois Chollet)执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。

折叠

编辑本段

作者简介

【作者简介】

[美] 弗朗索瓦·肖莱(Franc?ois Chollet)，

Keras之父，TensorFlow机器学习框架贡献者，Kaggle竞赛教练，个人Kaggle竞赛全球排名曾获得第17名。目 前任职于Google，从事人工智能研究，尤其关注计算机视觉与机器学习在形式推理方面的应用。

【译者简介】

张亮(hysic)

毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师，译有《Python数据处理》《Python机器学习基础教程》等。

折叠

编辑本段

目录

第一部分 深度学习基础

第1章 什么是深度学习 2

1.1 人工智能、机器学习与深度学习 2

1.1.1 人工智能 3

1.1.2 机器学习 3

1.1.3 从数据中学习表示 4

1.1.4 深度学习之"深度" 6

1.1.5 用三张图理解深度学习的工作原理 7

1.1.6 深度学习已经取得的进展 9

1.1.7 不要相信短期炒作 9

1.1.8 人工智能的未来 10

1.2 深度学习之前:机器学习简史 11

1.2.1 概率建模 11

1.2.2 早期神经网络 11

1.2.3 核方法 12

1.2.4 决策树、随机森林与梯度提升机 13

1.2.5 回到神经网络 14

1.2.6 深度学习有何不同 14

1.2.7 机器学习现状 15

1.3 为什么是深度学习，为什么是现 在 15

1.3.1 硬件 16

1.3.2 数据 17

1.3.3 算法 17

1.3.4 新的投资热潮 17

1.3.5 深度学习的大众化 18

1.3.6 这种趋势会持续吗 18

第2章 神经网络的数学基础 20

2.1 初识神经网络 20

2.2 神经网络的数据表示 23

2.2.1 标量(0D张量) 23

2.2.2 向量(1D张量) 24

2.2.3 矩阵(2D张量) 24

2.2.4 3D张量与更高维张量 24

2.2.5 关键属性 25

2.2.6 在Numpy中操作张量 26

2.2.7 数据批量的概念 27

2.2.8 现实世界中的数据张量 27

2.2.9 向量数据 27

2.2.10 时间序列数据或序列数据 28

2.2.11 图像数据 28

2.2.12 视频数据 29

2.3 神经网络的"齿轮":张量运算 29

2.3.1 逐元素运算 30

2.3.2 广播 31

2.3.3 张量点积 32

2.3.4 张量变形 34

2.3.5 张量运算的几何解释 34

2.3.6 深度学习的几何解释 35

2.4 神经网络的"引擎":基于梯度的优化 36

2.4.1 什么是导数 37

2.4.2 张量运算的导数:梯度 38

2.4.3 随机梯度下降 38

2.4.4 链式求导:反向传播算法 41

2.5 回顾第一个例子 41

本章小结 42