深度學習實戰

內容簡介

深度學習為人工智慧帶來了巨大突破，也成為機器學習領域一顆閃耀的新星。雖然相關學習資料豐富，但大部分內容較為龐雜且難以理解，並對初學者的相關理論知識與實踐能力有較高的要求，這使得大部分想進入這一領域的初學者望而卻步。本書去繁化簡地對深度學習的理論知識進行了梳理，並對算法實現做出了淺顯易懂的講解，適合初學者進行學習。

圖書目錄

第1章深度學習的發展介紹 1

1.1如何閱讀本書 3

1.2深度學習沉浮史 3

1.2.1模擬生物大腦的瘋狂遠古時代 4

1.2.2聯結主義近代 5

1.2.3百花齊放，層次結構主導，模型巨大的當代 6

1.3Python簡易教程 7

1.3.1Anaconda搭建 7

1.3.2IPythonNotebook使用 7

1.3.3Python基本用法 8

1.3.4NumPy 15

1.3.5Matplotlib 23

1.4參考文獻 25

第2章機器學習快速入門 27

2.1學習算法 28

2.1.1學習任務 29

2.1.2性能度量 30

2.1.3學習經驗 32

2.2代價函式 33

2.2.1均方誤差函式 33

2.2.2極大似然估計 34

2.3梯度下降法 36

2.3.1批量梯度下降法 38

2.3.2隨機梯度下降法 39

2.4過擬合與欠擬合 40

2.4.1沒免費午餐理論 42

2.4.2正則化 43

2.5超參數與驗證集 44

2.6Softmax編碼實戰 46

2.6.1編碼說明 49

2.6.2熟練使用CIFAR-10數據集 50

2.6.3顯式循環計算損失函式及其梯度 53

2.6.4向量化表達式計算損失函式及其梯度 56

2.6.5最小批量梯度下降算法訓練Softmax分類器 57

2.6.6使用驗證數據選擇超參數 61

2.7參考代碼 68

2.8參考文獻 70

第3章前饋神經網路 72

3.1神經元 73

3.1.1Sigmoid神經元 74

3.1.2Tanh神經元 75

3.1.3ReLU神經元 76

3.2前饋神經網路 80

3.2.1輸出層單元 80

3.2.2隱藏層單元 80

3.2.3網路結構設計 81

3.3BP算法 82

3.4深度學習編碼實戰上 86

3.4.1實現仿射傳播 88

3.4.2實現ReLU傳播 91

3.4.3組合單層神經元 93

3.4.4實現淺層神經網路 96

3.4.5實現深層全連線網路 101

3.5參考代碼 109

3.6參考文獻 113

第4章深度學習正則化 115

4.1參數範數懲罰 116

4.1.1L2參數正則化 118

深度學習實戰

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條