《深度學習：算法入門與Keras編程實踐》2021年機械工業出版社出版的圖書。
基本介紹
- 中文名：深度學習：算法入門與Keras編程實踐
- 作者：李易
- 出版時間：2021年
- 出版社：機械工業出版社
- ISBN：9787111674153
內容簡介,圖書目錄,作者簡介,
內容簡介
深度學習作為人工智慧領域的“排頭兵”，將在未來的新一輪產業升級中起到至關重要的作用。本書以“理論＋實踐”的形式幫助讀者快速建立深度學習知識體系，不僅能在算法層面上理解各種神經網路模型，而且能藉助功能強大且極易上手的Keras 框架，熟練地搭建和訓練模型，套用於解決實際問題。
全書共12章，內容涵蓋入門深度學習的絕大部分基礎知識。第1章講解如何搭建深度學習的編程環境，並簡單回顧了學習深度學習的數學知識。第2章從回歸算法出髮帶領讀者踏上深度學習之路。第3～9章全面講解時下幾種主流神經網路結構，包括多層感知機（MLP）、卷積神經網路（CNN）、循環神經網路（RNN）、
自動編碼器（AE）、變分自動編碼器（VAE）、對抗生成網路（GAN）等。第10～12章著重介紹時下主流的幾類深度學習套用，包括圖像識別、目標檢測和自然語言處理等。無論是算法原理還是編程實踐，本書都從易到難、循序漸進地講解，並配合簡單輕鬆的實例幫助讀者加深印象。
本書不僅適合需要在工作中套用深度學習技術的專業人員，而且適合具備一定計算機編程基礎的人工智慧和深度學習愛好者。對於大專院校相關專業的師生，本書也是一本不錯的參考讀物。
圖書目錄
前言
如何獲取學習資源
第1章 深度學習入門
1.1 Keras的介紹與安裝 13
1.2 學習深度學習需要具備的數學基礎知識 16
第2章 回歸算法
2.1 線性回歸 31
2.2 多元線性回歸 39
2.3 邏輯回歸 42
第3章 神經網路入門
3.1 簡單神經網路的基本結構 50
3.2 正向傳播 51
3.3 激活函式 53
3.4 MLP的反向傳播與求導 55
3.5 MLP的損失函式 59
3.6 權重初始化 62
3.7 案例：黑白手寫數字識別 64
第4章 神經網路進階—如何提高性能
4.1 欠擬合和過擬合問題 69
4.2 模型診斷與誤差分析 71
4.3 避免過擬合的“良藥”—正則化 73
4.4 最佳化算法 76
4.4.1 基於梯度下降法的最佳化算法 76
4.4.2 進階最佳化算法 78
4.5 其他最佳化性能的方法 81
4.6 模型訓練的檢查清單 83
第5章 卷積神經網路
5.1 CNN的構想來源 86
5.2 卷積層 88
5.3 濾波器 89
5.3.1 濾波器的運算規則 89
5.3.2 濾波器的作用 91
5.3.3 填充和步長 95
5.4 彩色圖像輸入 98
5.5 反向傳播 101
5.6 池化層 103
5.7 CNN案例 104
5.7.1 黑白手寫數字識別 104
5.7.2 彩色圖像分類 107
第6章 循環神經網路
6.1 RNN的基本結構 115
6.2 RNN的正向傳播 118
6.3 RNN的反向傳播 120
6.4 簡單的RNN案例 122
6.5 訓練RNN時的問題與解決方案 129
6.5.1 梯度爆炸和梯度消失 130
6.5.2 梯度問題的解決方案 132
6.6 解決長期依賴問題的“良藥”—GRU和LSTM 133
6.6.1 GRU 134
6.6.2 LSTM 138
6.7 RNN案例：影評分析 142
6.7.1 準備知識—詞嵌入 142
6.7.2 代碼解析 144
第7章 自動編碼器
7.1 AE的結構 149
7.2 重構損失 151
7.3 簡單的AE案例 153
7.4 Sparse AE 155
7.5 去噪自動編碼器 157
7.6 上色器 160
第8章 變分自動編碼器
8.1 VAE的結構 171
8.2 對VAE的深層理解 174
8.3 損失函式 175
8.4 重參數技巧 180
8.5 VAE案例 181
第9章 對抗生成網路
9.1 GAN的基本結構 191
9.2 GAN的訓練 192
9.3 GAN的數學原理 195
9.4 GAN案例：DCGAN 198
第10章 AI的眼睛Ⅰ—基於CNN的圖像識別
10.1 VGGNet 209
10.2 Inception 214
10.3 ResNet 220
10.4 遷移學習 226
第11章 AI的眼睛Ⅱ—基於CNN的目標檢測
11.1 R-CNN 232
11.2 Fast R-CNN 241
11.3 Faster R-CNN 243
11.4 YOLO算法 246
第12章 循環神經網路的進階算法
12.1 BRNN 250
12.2 Encoder-Decoder 255
12.3 注意力機制 257
作者簡介
李易
畢業於世界著名學府美國賓夕法尼亞大學，擅長 Python、C 等主流程式語言與 AI 視覺處理。在校期間曾在世界知名的 Haim Bau 教授實驗室參與基於 AI 圖像算法的寨卡（Zika）病毒識別、HSV（單純皰疹病毒）檢測等多個研究項目。目前就職於汽車行業供應商瑞典 Syntronic 公司，帶領團隊研發基於 AI 技術與商用 5G 車聯網的車內生命檢測系統。
