深度學習：基於Keras的Python實踐

內容簡介

本書系統的講解了深度的基本知識，以及使用機器學習解決實際問題，詳細的介紹了如何構建及最佳化模型，並針對不同的問題給出了不同的解決方案，通過不同的例子展示了具體的項目中的套用和實踐經驗，是一本非常好的深度學習的入門和實踐的書籍。本書以實踐為導向，使用 Keras作為編程框架，強調簡單，快速的上手建立模型，解決實際項目問題。讀者可以根據本書的理解，迅速上手實踐深度學習，並利用深度學習解決實際的問題。本書非常適合於項目經理，有意從事機器學習開發的程式設計師，以及高校在讀相關專業的學生。

圖書目錄

第一部分初識

1 初識深度學習/2

1.1 Python的深度學習/2

1.2 軟體環境和基本要求/3

1.2.1 Python和SciPy/3

1.2.2 機器學習/3

1.2.3 深度學習/4

1.3 閱讀本書的收穫/4

1.4 本書說明/4

1.5 本書中的代碼/5

2 深度學習生態圈/6

2.1 CNTK/6

2.1.1 安裝CNTK/7

2.1.2 CNTK的簡單例子/8

2.2 TensorFlow/8

2.2.1 TensorFlow介紹/8

2.2.2 安裝TensorFlow/9

2.2.3 TensorFlow的簡單例子/9

2.3 Keras/10

2.3.1 Keras簡介/11

2.3.2 Keras安裝/11

2.3.3 配置Keras的後端/11

2.3.4 使用Keras構建深度學習模型/12

2.4 雲端GPUs計算/13

第二部分多層感知器

3 第一個多層感知器實例：印第安人糖尿病診斷/16

3.1 概述/16

3.2 Pima Indians數據集/17

3.3 導入數據/18

3.4 定義模型/19

3.5 編譯模型/20

3.6 訓練模型/21

3.7 評估模型/21

3.8 匯總代碼/22

4 多層感知器速成/24

4.1 多層感知器/24

4.2 神經元/25

4.2.1 神經元權重/25

4.2.2 激活函式/26

4.3 神經網路/27

4.3.1 輸入層（可視層）/28

4.3.2 隱藏層/28

4.3.3 輸出層/28

4.4 訓練神經網路/29

4.4.1 準備數據/29

4.4.2 隨機梯度下降算法/30

4.4.3 權重更新/30

4.4.4 預測新數據/31

5 評估深度學習模型/33

5.1 深度學習模型和評估/33

5.2 自動評估/34

5.3 手動評估/36

5.3.1 手動分離數據集並評估/36

深度學習：基於Keras的Python實踐

基本介紹

內容簡介

圖書目錄

熱門詞條