白话深度学习与TensorFlow
本书特色
[
基础篇(1-3章)：介绍深度学习的基本概念和Tensorflow的基本介绍。原理与实践篇（4-8章）：大量的关于深度学习中BP、CNN以及RNN网络等概念的数学知识解析，加以更朴素的语言与类比，使得非数学专业的程序员还是能够比较容易看懂。扩展篇（9-13章）：介绍新增的深度学习网络变种与较新的深度学习特性，并给出有趣的深度学习应用。读完本书，基本具备了搭建全套Tensorflow应用环境的能力，掌握深度学习算法和思路，以及进行一般性的文章分类、音频分类或视频分类的能力。
]
作者简介
[
西山居的大数据架构师与大数据专家，有多年编程经验（多年日本和澳洲工作经验）、多年大数据架构设计与数据分析、处理经验，目前负责西山居的市场战略与产品战略。专注于大数据系统架构以及变现研究。擅长数据挖掘、数据建模、关系型数据库应用（Hadoop、Spark、Cassandra、Prestodb应用）。负责西山居紫霞系统——大数据日志处理系统的系统架构与设计工作。同时，也是重庆工商大学管理科学与工程专业，硕士研究生事业导师。
]
目录
目 录?Contents本书赞誉序前 言基 础 篇第1章 机器学习是什么 21.1 聚类 41.2 回归 51.3 分类 81.4 综合应用 101.5 小结 14第2章 深度学习是什么 152.1 神经网络是什么 152.1.1 神经元 162.1.2 激励函数 192.1.3 神经网络 242.2 深度神经网络 252.3 深度学习为什么这么强 282.3.1 不用再提取特征 282.3.2 处理线性不可分 292.4 深度学习应用 302.4.1 围棋机器人——AlphaGo 302.4.2 被教坏的少女——Tai.ai 322.4.3 本田公司的大宝贝——ASIMO 332.5 小结 37第3章 TensorFlow框架特性与安装 383.1 简介 383.2 与其他框架的对比 393.3 其他特点 403.4 如何选择好的框架 443.5 安装TensorFlow 453.6 小结 46原理与实践篇第4章 前馈神经网络 504.1 网络结构 504.2 线性回归的训练 514.3 神经网络的训练 754.4 小结 79第5章 手写板功能 815.1 MNIST介绍 815.2 使用TensorFlow完成实验 865.3 神经网络为什么那么强 925.3.1 处理线性不可分 935.3.2 挑战“与或非” 955.3.3 丰富的VC——强大的空间划分能力 985.4 验证集、测试集与防止过拟合 995.5 小结 102第6章 卷积神经网络 1036.1 与全连接网络的对比 1036.2 卷积是什么 1046.3 卷积核 1066.4 卷积层其他参数 1086.5 池化层 1096.6 典型CNN网络 1106.7 图片识别 1146.8 输出层激励函数——SOFTMAX 1166.8.1 SOFTMAX 1166.8.2 交叉熵 1176.9 小试牛刀——卷积网络做图片分类 1246.10 小结 138第7章 综合问题 1397.1 并行计算 1397.2 随机梯度下降 1427.3 梯度消失问题 1447.4 归一化 1477.5 参数初始化问题 1497.6 正则化 1517.7 其他超参数 1557.8 不唯一的模型 1567.9 DropOut 1577.10 小结 158第8章 循环神经网络 1598.1 隐马尔可夫模型 1598.2 RNN和BPTT算法 1638.2.1 结构 1638.2.2 训练过程 1638.2.3 艰难的误差传递 1658.3 LSTM算法 1678.4 应用场景 1718.5 实践案例——自动文本生成 1748.5.1 RNN工程代码解读 1748.5.2 利用RNN学习莎士比亚剧本 1838.5.3 利用RNN学习维基百科 1848.6 实践案例——聊天机器人 1858.7 小结 196扩 展 篇第9章 深度残差网络 1989.1 应用场景 1989.2 结构解释与数学推导 2009.3 拓扑解释 2059.4 Github示例 2079.5 小结 207第10章 受限玻尔兹曼机 20910.1 结构 20910.2 逻辑回归 21010.3 *大似然度 21210.4 *大似然度示例 21410.5 损失函数 21510.6 应用场景 21610.7 小结 216第11章 强化学习 21711.1 模型核心 21811.2 马尔可夫决策过程 21911.2.1 用游戏开刀 22111.2.2 准备工作 22311.2.3 训练过程 22411.2.4 问题 22611.2.5 Q-Learning算法 22811.3 深度学习中的Q-Learning——DQN 23111.3.1 OpenAI Gym 23411.3.2 Atari游戏 23711.4 小结 238第12章 对抗学习 23912.1 目的 23912.2 训练模式 24012.2.1 二元极小极大博弈 24012.2.2 训练 24212.3 CGAN 24412.4 DCGAN 24712.5 小结 252第13章 有趣的深度学习应用 25413.1 人脸识别 25413.2 作诗姬 25913.3 梵高附体 26413.3.1 网络结构 26513.3.2 内容损失 26813.3.3 风格损失 27013.3.4 系数比例 27113.3.5 代码分析 27213.4 小结 279附录A VMware Workstation的安装 280附录B Ubuntu虚拟机的安装 284附录C Python语言简介 290附录D 安装Theano 296附录E 安装Keras 297附录F 安装CUDA 298参考文献 303
封面
书名:白话深度学习与TensorFlow
作者:高扬
页数:304
定价:¥69.0
出版社:机械工业出版社
出版日期:2017-08-01
ISBN:9787111574576
PDF电子书大小:45MB 高清扫描完整版