当前位置:首页 > 人工智能 >
《深度学习实战》电子书封面

深度学习实战

  • 发布时间:2020年11月05日 10:03:17
  • 作者:杜威·奥辛格(DouweO
  • 大小:122 MB
  • 类别:深度学习电子书
  • 格式:PDF
  • 版本:影印版
  • 评分:7.2

    深度学习实战 PDF 影印版

      给大家带来的一篇关于深度学习相关的电子书资源,介绍了关于深度学习、实战方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小122 MB,杜威·奥辛格(DouweO编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.4。

      内容介绍

      这本书是针对实际应用深度学习的开发指南。笔者是一位前Google软件工程师,在深度学习的研究和实践方面积累了丰富的经验。该书记载了作者从实际工作中总结出的许多开发技巧,不仅涵盖了与深度神经网络调试有关的一般技巧,包括错误查找、结果检查、激活函数的选择、正则化和Dropout等技巧,还通过实例介绍了深度学习在文本处理、图像处理、音乐处理等方面的技巧,并从实际应用的角度阐述了如何将机器学习应用应用到生产系统中,非常适合开发实际应用的深度学习工程师进行阅读和参考。

      深度学习没那么可怕。这一机器学习方法要过好几年才能掌握,但在像Keras和TensorFlow这样的框架出现之前,没有机器学习背景的软件工程师也可以迅速进入这一领域。从这本书中,你可以学到深度学习如何制作和分类文本、图片和音乐。

      这本书每一章都包含了一些完成独立项目所需的技巧,比如训练音乐推荐系统。当你遇到困难时,作者在第二章中还提供了六个帮助你的技巧。这本书中的示例使用Python语言编写,代码以Pythonnotebooks的方式在GitHub上提供。

      目录

      • 第1章 工具与技术9
      • 1.1 神经网络的类型9
      • 1.2 数据获取19
      • 1.3 数据预处理27
      • 第2章 摆脱困境34
      • 2.1 确定我们遇到的问题34
      • 2.2 解决运行过程中的错误36
      • 2.3 检查中间结果38
      • 2.4 为最后一层选择正确的激活函数39
      • 2.5 正则化和Dropout40
      • 2.6 网络结构、批尺寸和学习率42
      • 第3章 使用词嵌入计算文本相似性44
      • 3.1 使用预训练的词嵌入发现词的相似性45
      • 3.2 Word2vec数学特性47
      • 3.3 可视化词嵌入49
      • 3.4 在词嵌入中发现实体类51
      • 3.5 计算类内部的语义距离55
      • 3.6 在地图上可视化国家数据57
      • 第4章 基于维基百科外部链接构建推荐系统58
      • 4.1 收集数据58
      • 4.2 训练电影嵌入62
      • 4.3 构建电影推荐系统66
      • 4.4 预测简单的电影属性67
      • 第5章 按照示例文本的风格生成文本69
      • 5.1 获取公开领域书籍文本69
      • 5.2 生成类似莎士比亚的文本70
      • 5.3 使用RNN编写代码74
      • 5.4 控制输出温度76
      • 5.5 可视化循环神经网络的活跃程度78
      • 第6章 问题匹配80
      • 6.1 从Stack Exchange网站获取数据80
      • 6.2 使用Pandas探索数据82
      • 6.3 使用Keras对文本进行特征化83
      • 6.4 构建问答模型84
      • 6.5 用Pandas训练模型86
      • 6.6 检查相似性88
      • 第7章 推荐表情符号90
      • 7.1 构建一个简单的情感分类器90
      • 7.2 检验一个简单的分类器93
      • 7.3 使用卷积网络进行情感分析95
      • 7.4 收集Twitter数据97
      • 7.5 一个简单的表情符号预测器99
      • 7.6 Dropout和多层窗口100
      • 7.7 构建单词级模型102
      • 7.8 构建你自己的嵌入104
      • 7.9 使用循环神经网络进行分类106
      • 7.10 可视化一致性/不一致性108
      • 7.11 组合模型111
      • 第8章 Sequence-to-Sequence映射113
      • 8.1 训练一个简单的Sequence-to-Sequence模型113
      • 8.2 从文本中提取对话115
      • 8.3 处理开放词汇表117
      • 8.4 训练seq2seq 聊天机器人119
      • 第9章 复用预训练的图像识别网络123
      • 9.1 加载预训练网络124
      • 9.2 图像预处理124
      • 9.3 推测图像内容126
      • 9.4 使用Flickr API收集一组带标签的图像128
      • 9.5 构建一个分辨猫狗的分类器129
      • 9.6 改进搜索结果131
      • 9.7 复训图像识别网络133
      • 第10章 构建反向图像搜索服务137
      • 10.1 从维基百科中获取图像137
      • 10.2 向N维空间投影图像140
      • 10.3 在高维空间中寻找最近邻141
      • 10.4 探索嵌入中的局部邻域143
      • 第11章 检测多幅图像145
      • 11.1 使用预训练的分类器检测多个图像145
      • 11.2 使用Faster RCNN进行目标检测149
      • 11.3 在自己的图像上运行Faster RCNN152
      • 第12章 图像风格155
      • 12.1 可视化卷积神经网络激活值156
      • 12.2 尺度和缩放159
      • 12.3 可视化神经网络所见161
      • 12.4 捕捉图像风格164
      • 12.5 改进损失函数以提升图像相干性168
      • 12.6 将风格迁移至不同图像169
      • 12.7 风格内插171
      • 第13章 用自编码器生成图像173
      • 13.1 从Google Quick Draw中导入绘图174
      • 13.2 为图像创建自编码器176
      • 13.3 可视化自编码器结果178
      • 13.4 从正确的分布中采样图像180
      • 13.5 可视化变分自编码器空间183
      • 13.6 条件变分编码器185
      • 第14章 使用深度网络生成图标189
      • 14.1 获得训练用的图标190
      • 14.2 将图标转换为张量表示193
      • 14.3 使用变分自编码器生成图标194
      • 14.4 使用数据扩充提升自编码器的性能196
      • 14.5 构建生成式对抗网络198
      • 14.6 训练生成式对抗网络200
      • 14.7 显示GAN生成的图标202
      • 14.8 将图标编码成绘图指令204
      • 14.9 训练RNN绘制图标205
      • 14.10 使用RNN生成图标207
      • 第15章 音乐与深度学习210
      • 15.1 为音乐分类器创建训练数据集211
      • 15.2 训练音乐风格检测器213
      • 15.3 对混淆情况进行可视化215
      • 15.4 为已有的音乐编制索引217
      • 15.5 设置Spotify API219
      • 15.6 从Spotify中收集播放列表和歌曲221
      • 15.7 训练音乐推荐系统224
      • 15.8 使用Word2vec模型推荐歌曲225
      • 第16章 生产化部署机器学习系统228
      • 16.1 使用scikit-learn最近邻计算嵌入229
      • 16.2 使用Postgres存储嵌入230
      • 16.3 填充和查询Postgres存储的嵌入231
      • 16.4 在Postgres中存储高维模型233
      • 16.5 使用Python编写微服务234
      • 16.6 使用微服务部署Keras模型236
      • 16.7 从Web框架中调用微服务237
      • 16.8 Tensorflow seq2seq模型238
      • 16.9 在浏览器中执行深度学习模型240
      • 16.10 使用TensorFlow服务执行Keras模型243
      • 16.11 在iOS中使用Keras模型245

      学习笔记

      Python编程深度学习计算库之numpy

      NumPy是python下的计算库,被非常广泛地应用,尤其是近来的深度学习的推广。在这篇文章中,将会介绍使用numpy进行一些最为基础的计算。 NumPy vs SciPy NumPy和SciPy都可以进行运算,主要区别如下 最近比较热门的深度学习,比如在神经网络的算法,多维数组的使用是一个极为重要的场景。如果你熟悉tensorflow中的tensor的概念,你会非常清晰numpy的作用。所以熟悉Numpy可以说是使用python进行深度学习入门的一个基础知识。 安装 liumiaocn:tmp liumiao$ pip install numpyCollecting numpy Downloading https://files.pythonhosted.org/packages/b6/5e/4b2c794fb57a42e285d6e0fae0e9163773c5a6a6a7e1794967fc5d2168f2/numpy-1.14.5-cp27-cp27m-macosx_10_6_intel.macosx_10_9_intel.macosx_……

      深度学习TensorFlow Session会话控制和Variable变量

      这篇文章主要讲TensorFlow中的Session的用法以及Variable。 Session会话控制 Session是TensorFlow为了控制和输出文件的执行语句,运行session.run()就能获得运算结果或者部分运算结果。我们在这里使用一个简单的矩阵相乘的例子来解释Session的两个用法。 首先我们要加载TensorFlow并建立两个矩阵以及两个矩阵所做的运算。这里我们建立一个一行两列的matrix1和一个两行一列的matrix2,让它们做矩阵的乘法。tf.matmul相当于numpy中的dot方法,都是做矩阵的product。 import tensorflow as tfmatrix1 = tf.constant([[2, 2]])matrix2 = tf.constant([[2], [2]])product = tf.matmul(matrix1, matrix2) 接下来我们使用第一种会话控制Session来激活product并得到计算结果: s……

      以上就是本次介绍的深度学习电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:接口自动化测试:持续集成Postman+Newman+Git+Jenkins+钉钉

      下一篇:运营本源

      展开 +

      收起 -

      媛程序公众号

      重要!由于版权问题,暂停资源分享!关注左边的号有资料打包(惊喜!)

      添加左边“ 媛程序 ”的微信号,获取11月份下架资料打包!(每周更新)

      【JAVA资料完整打包(限时删除!)】

      下载地址:百度网盘下载
      深度学习相关电子书
      深度学习算法实践(基于Theano和TensorFlow)
      深度学习算法实践(基于Theano和TensorFlow) 完整影印版

      1.中科院院士工程院院士陈志杰倾心作序,业内专家黄文涛、陈晓禾联手力荐。 2.以深度学习算法新手入门为主题思想,以NumPy、SciPy等科学计算库,深度神经网络流行优化算法,深度神经网络

      立即下载
      PyTorch深度学习实战
      PyTorch深度学习实战 扫描版

      这本书从原理到实战、深入浅出地介绍了Facebook人工智能利器Pytorch的卓越表现,主要定位为具有一定Python编程基础,对机器学习和神经网络有一定了解的程序员们

      立即下载
      深度学习框架PyTorch:入门与实践
      深度学习框架PyTorch:入门与实践 超清完整版

      本书媲美TensorFlow的深度学习框架!从多维数组Tensor开始,循序渐进地带领读者了解PyTorch各方面的基础知识,包含实战Kaggle竞赛中经典项目、GAN生成动漫头像、AI滤镜、RNN写诗、图像描述任务等

      立即下载
      TensorFlow+Keras深度学习人工智能实践应用
      TensorFlow+Keras深度学习人工智能实践应用 超清影印版

      本书通过大量的范例浅入深地讲解Keras与TensorFlow深度学习类神经网络,提供安装、上机操作指南,同时辅以大量范例程序介绍TensorFlow + Keras深度学习方面的知识

      立即下载
      PaddlePaddle与深度学习应用实战
      PaddlePaddle与深度学习应用实战 影印版

      本书由简单的例子引入深度学习和PaddlePaddle框架通过一系列深度学习项目实例,介绍PaddlePaddle在各种场景和问题中的应用,让读者由浅至深地理解并运用深度学习解决实际问题

      立即下载
      深度学习、优化与识别
      深度学习、优化与识别 高清扫描版

      深度神经网络是近年来受到广泛关注的研究方向,它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共16章,分为两个部分;第一部分(第1章

      立即下载
      读者留言
      邵皓轩I

      邵皓轩I 提供上传

      资源
      10
      粉丝
      28
      喜欢
      179
      评论
      5

      Copyright 2018-2020 www.xz577.com 码农之家

      版权投诉 / 书籍推广 / 赞助:520161757@qq.com