深度学习从0到1
作者: 覃秉丰 编著20.04万字13人 正在读
已完结现代当代当代文学
目录 (293章)
倒序
正文
第1章深度学习背景介绍1.1人工智能1.2机器学习1.2.1训练数据、验证数据和测试数据1.2.2学习方式1.2.3机器学习常用算法1.3人工智能、机器学习、神经网络及深度学习之间的关系1.4深度学习的应用1.5神经网络和深度学习的发展史1.5.1神经网络的诞生：20世纪40年代到20世纪60年代1.5.2神经网络的复兴：20世纪80年代到20世纪90年代1.5.3深度学习：2006年至今1.6深度学习领域中的重要人物1.7新一轮人工智能爆发的三要素第2章搭建Python编程环境2.1Python介绍2.2Anaconda安装2.3JupyterNotebook的简单使用2.3.1启动JupyterNotebook2.3.2修改JupyterNotebook默认启动路径2.3.3JupyterNotebook浏览器无法打开2.3.4JupyterNotebook基本操作第3章单层感知器与线性神经网络3.1生物神经网络3.2.1单层感知器介绍3.2.2单层感知器计算举例3.2.3单层感知器的另一种表达形式3.3.1单层感知器的学习规则介绍3.3.2单层感知器的学习规则计算举例3.4学习率3.5模型的收敛条件3.6模型的超参数和参数的区别3.7单层感知器分类案例3.8.1线性神经网络介绍3.8.2线性神经网络分类案例3.9线性神经网络处理异或问题第4章BP神经网络4.1BP神经网络介绍及发展背景4.2代价函数4.3.1梯度下降法介绍4.3.2梯度下降法二维例子4.3.3梯度下降法三维例子4.4Delta学习规则4.5常用激活函数讲解4.5.1sigmoid函数4.5.2tanh函数4.5.3softsign函数4.5.4ReLU函数4.6BP神经网络模型和公式推导4.6.1BP网络模型[3]4.6.2BP算法推导4.6.3BP算法推导的补充说明4.7BP算法推导结论总结4.8梯度消失与梯度爆炸4.8.1梯度消失4.8.2梯度爆炸4.8.3使用ReLU函数解决梯度消失和梯度爆炸的问题4.9使用BP神经网络解决异或问题4.10.1准确率/精确率/召回率/F1值4.10.2混淆矩阵（ConfusionMatrix）4.11独热编码4.12BP神经网络完成手写数字识别4.13Sklearn手写数字识别第5章深度学习框架Tensorflow基础使用5.1.1Tensorflow简介5.1.2静态图和动态图机制EagerExecution5.1.3tf.keras5.2Tensorflow-cpu安装5.2.1Tensorflow-cpu在线安装5.2.2安装过程中可能遇到的问题5.2.3Tensorflow-cpu卸载5.2.4Tensorflow-cpu更新5.2.5Tensorflow-cpu指定版本的安装5.3.1Tensorflow-gpu了解最新版本情况5.3.2Tensorflow-gpu安装CUDA5.3.3Tensorflow-gpu安装cuDNN库5.3.4Tensorflow-gpu在线安装5.3.5Tensorflow-gpu卸载5.3.6Tensorflow-gpu更新5.4Tensorflow基本概念5.5Tensorflow基础使用5.6.1MNIST数据集介绍5.6.2softmax函数介绍5.6.3简单MNIST数据集分类模型——没有高级封装5.6.4简单MNIST数据集分类模型——keras高级封装第6章网络优化方法6.1交叉熵代价函数6.1.1均方差代价函数的缺点6.1.2引入交叉熵代价函数6.1.3交叉熵代价函数推导过程6.1.4softmax与对数似然代价函数6.2.1什么是过拟合6.2.2抵抗过拟合的方法6.3数据增强6.4提前停止训练6.5.1Dropout介绍6.6.1正则化介绍6.7.1标签平滑介绍6.8优化器6.8.1梯度下降法6.8.2Momentum6.8.3NAG6.8.4Adagrad6.8.5Adadelta6.8.6RMRprop6.8.7Adam第7章Tensorflow模型的保存和载入7.1.1Keras模型保存7.1.2Keras模型载入7.2.1SavedModel模型保存7.2.2SavedModel模型载入7.3.1保存模型的结构7.3.2载入模型结构7.4.1保存模型参数7.4.2载入模型参数7.5ModelCheckpoint自动保存模型7.6.1Checkpoint模型保存7.6.2Checkpoint模型载入第8章卷积神经网络（CNN）8.1.1计算机视觉应用介绍8.1.2计算机视觉技术介绍8.2卷积神经网简介8.2.1BP神经网络存在的问题8.2.2局部感受野和权值共享8.3卷积的具体计算8.4卷积的步长8.5不同的卷积核8.6池化8.7Padding8.8.1对1张图像进行卷积生成1张特征图8.8.2对1张图像进行卷积生成多张特征图8.8.3对多张图像进行卷积生成1张特征图8.8.4对多张图像进行卷积生成多张特征图8.9经典的卷积神经网络8.10卷积神经网络应用于MNIST数据集分类8.11识别自己写的数字图片8.12CIFAR-10数据集分类9.2.1RNN介绍9.2.2Elmannetwork和Jordannetwork9.3RNN的不同架构9.3.1一对一架构9.3.2多对一架构9.3.3多对多架构9.3.4一对多架构9.3.5Seq2Seq架构9.4传统RNN的缺点9.5长短时记忆网络（LSTM）9.6.1PeepholeLSTM介绍9.6.2FC-LSTM介绍9.7.1门控循环单元（GRU）9.7.2双向RNN9.7.3堆叠的双向RNN9.8LSTM网络应用于MNIST数据集分类第10章经典图像识别模型介绍（上）10.1.1图像数据集介绍10.1.2ImageNet的深远影响10.1.3ImageNetChallenge历年优秀作品10.2AlexNet10.3VGGNet10.4GoogleNet10.4.11×1卷积介绍10.4.2Inception结构10.4.3GoogleNet网络结构10.5BatchNormalization10.5.1BatchNormalization提出背景10.5.2数据标准化（Normalization）10.5.3BatchNormalization模型训练阶段10.5.4BatchNormalization模型预测阶段10.5.5BatchNormalization作用分析10.6ResNet10.6.1ResNet背景介绍10.6.2残差块介绍10.6.3ResNet网络结构10.6.4ResNet-V2第11章经典图像识别模型介绍（下）11.1Inception模型系列11.1.1Inception-v2/v3优化策略11.1.2Inception-v2/v3模型结构11.1.3Inception-v4和Inception-ResNet介绍11.2ResNeXt11.2.1分组卷积介绍11.2.2ResNeXt中的分组卷积11.2.3ResNeXt的网络结构11.3SENet11.3.1SENet介绍11.3.2SENet结果分析第12章图像识别项目实战12.1.1数据集介绍12.1.2数据集准备12.2AlexNet图像识别12.3VGGNet图像识别12.4.1函数式模型介绍12.4.2使用函数式模型进行MNIST图像识别12.5.1使用plot_model进行模型可视化12.5.2plot_model升级版12.6GoogleNet图像识别12.7BatchNormalization使用12.8ResNet图像识别12.9ResNeXt图像识别12.10SENet图像识别12.11.1使用训练好的模型进行图像识别12.11.2使用训练好的模型进行迁移学习12.11.3载入训练好的模型进行预测第13章验证码识别项目实战13.1多任务学习介绍13.2验证码数据集生成13.3.1tf.data概述13.3.2使用tf.data完成多任务学习：验证码识别13.4.1使用自定义数据生成器完成模型训练13.4.2使用自定义数据生成器完成模型预测13.5.1挑战变长验证码识别模型训练13.5.2挑战变长验证码识别模型预测13.6.1CTC算法介绍13.6.2贪心算法（GreedySearch）和集束搜索算法（BeamSearch）13.6.3CTC存在的问题13.6.4CTC算法：验证码识别第14章自然语言处理（NLP）发展历程（上）14.1NLP应用介绍14.2从传统语言模型到神经语言模型14.2.1规则模型14.2.2统计语言模型14.2.3词向量14.2.4神经语言模型14.3.1word2vec介绍14.3.2word2vec模型训练14.3.3word2vec训练技巧和可视化效果14.4CNN在NLP领域中的应用14.5RNN在NLP领域中的应用14.6Seq2Seq模型在NLP领域中的应用14.7.1Attention介绍14.7.2BahdanauAttention介绍14.7.3LuongAttention介绍14.7.4谷歌机器翻译系统介绍14.7.5Attention机制在视觉和语音领域的应用15.1NLP新的开始：Transformer模型15.1.1Transformer模型结构和输入数据介绍15.1.2Self-Attention介绍15.1.3Multi-HeadAttention介绍15.1.4LayerNormalization介绍15.1.5Decoder结构介绍15.1.6Decoder中的Multi-HeadAttention和模型训练15.2BERT模型15.2.1BERT模型介绍15.2.2BERT模型训练15.2.3BERT模型应用第16章NLP任务项目实战16.1.1项目数据和模型说明16.2二维卷积中文微博情感分类项目16.3双向LSTM中文微博情感分类项目16.4.1中文分词标注模型训练16.4.2维特比算法16.4.3中文分词标注模型预测16.5最新的一些激活函数介绍16.5.1LeakyReLU16.5.2ELU16.5.3SELU16.5.4GELU16.5.5Swish16.6.1安装tf2-bert模块并准备预训练模型16.6.2使用BERT模型进行文本特征提取16.6.3使用BERT模型进行完形填空16.7.1项目背景介绍16.7.2模型训练16.7.3模型预测第17章音频信号处理17.1深度学习在声音领域的应用17.2MFCC和MelFilterBanks17.2.1音频数据采集17.2.2分帧加窗17.2.3傅里叶变换17.2.4梅尔滤波器组17.2.5梅尔频率倒谱系数（MFCC）17.3.1librosa介绍17.3.2音频分类项目——模型训练17.3.3音频分类项目——模型预测第18章图像风格转换18.1图像风格转换实现原理18.1.1代价函数的定义18.1.2格拉姆矩阵介绍18.2图像风格转换项目实战18.3遮挡图像风格转换项目实战第19章生成对抗网络19.1生成对抗网络的应用19.2DCGAN介绍19.3手写数字图像生成第20章模型部署20.1TensorflowServing环境部署20.2.1准备SavedModel模型专业术语汇总(1)专业术语汇总(2)专业术语汇总(3)专业术语汇总(4)结束语
精选推荐
领导力法则
[中国纺织出版社]
陆禹萌
已完结当代文学
销售心理学
[中国纺织出版社]
兰华
已完结当代文学
销售就是玩转情商
[中国纺织出版社]
王威
已完结当代文学
销售员情商实战训练
成功的销售需要高智商，更需要高情商。一个销售员的销售业绩，往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商，提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导，以及实战点拨和情商拓展训练，帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置，有效降低读者阅读疲劳，提高阅读兴趣，不论是奔波在路上的销售小白，还是带领团队奋勇向前的销售经理，都能从中找到适合自己的销售软技巧。
刘军
已完结当代文学
让未来的你，感谢现在勇敢的自己
[中国纺织出版社]
王介威
已完结当代文学
行为心理学：华生的实用心理学课
[中国纺织出版社]
（美）约翰·华生著.倪彩
已完结当代文学
行为心理学入门（完全图解版）
行为心理学入门（完全图解版）是以作者多来年的心理辅导和咨询数据为素材，对现实生活中的行为心理学应用进行了形象、深入、全面的论述和解读。本书与日本心理学图解书形式相同，浅显易读，有趣又益。
武莉
已完结当代文学
自卑与超越
《自卑与（全译插图典藏版）》是个体心理学研究领域的著作，也是人本主义心理学先驱阿尔弗雷德·阿德勒的很好著作。阿德勒的学说以“自卑感”与“创造性自我”为中心，并强调“社会意识”。全书立足个人心理学的观点，从教育、家庭、婚姻、伦理、社交等多个领域，以大量的实例为论述基础，阐明了人生意义的真谛，帮助人们克服自卑、不断超自己，正确对待职业，正确理解社会与性。本书直接促进了亲子教育、人格培养、婚姻与爱情、职业生涯、家庭建设、人际关系等诸多领域的长足发展，成为人们了解心理学的经典读物。
（奥）阿尔弗雷德·阿德勒
已完结当代文学
自制力：道理我都懂，为什么就是过不好人生
[中国纺织出版社]
邱开杰
已完结当代文学