《神經網路與深度學習實戰：Python+Keras+TensorFlow》一書由機械工業出版社出版發行。
基本介紹
- 中文名：神經網路與深度學習實戰：Python+Keras+TensorFlow
- 作者：陳屹
- 出版社：機械工業出版社
- 出版時間：2019年
- 頁數：336 頁
- 定價：109 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787111632665
內容簡介,圖書目錄,名人推薦,作者簡介,
內容簡介
本書通過理論與項目實踐相結合的方式帶領讀者進入人工智慧技術的大門。書中首先從人工智慧技術的數學基礎講起，然後重點剖析神經網路的運行流程，最後以大量的實際項目編碼實踐方式幫助讀者紮實地掌握人工智慧開發所需要的基本理論知識和核心開發技術。
本書共15章，涵蓋的內容有神經網路初體驗；深度學習的微積分基礎；深度學習的線性代數基礎；神經網路的理論基礎；用Python從零實現識別手寫數字的神經網路；神經網路項目實踐；使用神經網路實現機器視覺識別；用深度學習實現自然語言處理；自動編解碼網路和生成型對抗性網路；增強性學習網路的開發實踐；TensorFlow入門；使用TensorFlow和Keras開發高級自然語言處理系統；使用TensorFlow和Keras實現高級圖像識別處理系統；使用TensorFlow和Keras打造智慧型推薦系統；深度學習重要概念和技巧總結。本書儘可能通過細緻的講解降低讀者入門人工智慧編程的門檻。書中案例豐富，內容非常實用，特別適合有志於投身人工智慧領域的IT專業人士或學生閱讀。閱讀本書需要讀者具有一定的數學基礎。
圖書目錄
第1章 神經網路初體驗.... 1
1.1 開發環境的安裝... 1
1.2 快速構建一個識別手寫數字圖片的神經網路... 2
第2章 深度學習中的微積分基礎.... 8
2.1 實數中的無理數... 8
2.2 什麼叫極限... 10
2.3 函式的連續性... 12
2.4 函式求導... 13
2.5 導數的一般法則... 15
2.6 間套函式的鏈式求導法則... 17
2.7 多變數函式與偏導數... 19
2.8 導數與極值... 19
2.9 使用導數尋求函式的最小值... 21
第3章 深度學習的線性代數基礎.... 25
3.1 常量與向量... 26
3.2 矩陣及相關操作... 26
3.3 tensor——多維向量... 28
3.4 向量範數... 30
第4章 神經網路的理論基礎.... 31
4.1 詳解神經網路中的神經元激活函式... 31
4.2 使用矩陣運算驅動神經網路數據加工鏈... 38
4.3 通過反向傳播算法回傳誤差改進鏈路權重... 42
4.4 使用矩陣和梯度下降法實現神經網路的疊代訓練... 45
4.5 手算梯度下降法，詳解神經網路疊代訓練過程... 53
第5章 用Python從零實現識別手寫數字的神經網路.... 58
5.1 基本框架的搭建... 58
5.2 實現網路的疊代訓練功能... 62
5.3 網路訓練，識別手寫數字圖片... 64
第6章 神經網路項目實踐.... 70
6.1 使用神經網路分析電影評論的正能量和負能量... 70
6.2 使用神經網路實現新聞話題分類... 78
6.3 使用神經網路預測房價中位數... 83
第7章 使用神經網路實現機器視覺識別.... 90
7.1 卷積神經網路入門... 90
7.2 從零開始構造一個識別貓、狗圖片的卷積網路... 93
7.3 使用預先訓練的卷積網路實現圖像快速識別... 101
7.4 視覺化神經網路的學習過程... 105
7.5 揭秘卷積網路的底層原理... 109
第8章 用深度學習實現自然語言處理.... 124
8.1 Word Embedding 單詞向量化... 124
8.2 機率論的一些重要概念... 130
8.3 skip-gram單詞向量化算法的數學原理... 136
8.4 使用預先訓練好的單詞向量實現新聞摘要分類... 140
8.5 RNN——具有記憶功能的神經網路... 143
8.6 LSTM網路層詳解及其套用... 145
8.7 使用RNN和CNN混合的“雞尾酒療法”提升網路運行效率... 148
第9章 自動編解碼網路和生成型對抗性網路.... 150
9.1 自動編解碼器網路的原理與實現... 150
9.2 去噪型編解碼網路... 154
9.3 使用自動編解碼網路實現黑白圖片上色... 157
9.4 生成型對抗性網路... 162
9.5 生成型對抗性網路的代碼實現... 163
9.6 條件性生成型對抗性網路... 169
第10章 增強性學習網路開發實踐.... 176
10.1 增強性學習網路的基本原理... 176
10.2 開發環境配置... 177
10.3 增強性學習網路的數學原理... 179
10.4 Bellman函式和最最佳化... 180
10.5 Bellman等式的推導... 181
10.6 用實例講解Bellman函式的套用... 182
10.7 解決冰凍湖問題... 185
10.8 ε貪婪算法... 188
10.9 運用神經網路和Bellman函式解決Cartpole問題... 188
第11章 TensorFlow入門.... 193
11.1 TensorFlow圖運算原理... 193
11.2 TensorFlow代碼實踐... 195
11.3 TensorFlow的輸入、變數、輸出及運算操作... 197
11.4 TensorFlow的變數定義... 200
11.5 TensorFlow的運算輸出及運算操作... 201
11.6 用TensorFlow開發神經網路的相關操作... 204
11.7 開發TensorFlow程式應注意的事項... 207
11.8 使用TensorFlow開發神經網路... 213
第12章 使用TensorFlow和Keras 開發高級自然語言處理系統.... 218
12.1 Skip-Gram算法實現... 218
12.2 使用RNN網路模型的基本原理... 230
12.3 代碼實現RNN網路... 232
12.4 LSTM網路的結構原理... 242
12.5 使用LSTM網路實現人機問答系統... 247
第13章 使用TensorFlow和Keras 實現高級圖像識別處理系統.... 256
13.1 實現藝術風格的轉換... 256
13.2 使用膠囊網路實現服裝識別... 266
13.3 使用TensorFlow API 實現精準物體識別... 285
13.4 DeeDream：使用神經網路構造具有驚悚審美效果的藝術作品... 293
第14章 使用TensorFlow和Keras 打造智慧型推薦系統.... 300
14.1 創造一個網易雲音樂推薦引擎... 300
14.2 使用TensorFlow構建高質量商品推薦系統... 309
14.3 實現淘寶“拍立淘”圖片搜尋引擎... 313
第15章 深度學習的重要概念和技巧總結.... 319
名人推薦
眾所周知，深度學習的入門門檻頗高。陳屹編寫的這本書頗有特色，主要體現在書中循序漸進、由淺入深地將一個難度頗大的技術話題分解成多個難度比較小的知識點，然後帶領讀者逐個擊破，最後一舉拿下深度學習這塊非常難啃的骨頭。這本書在高門檻前建立了多級容易跨越的台階，讓讀者的學習曲線比較平滑，極大地降低了學習難度，推薦給有志於從事人工智慧的工程師和愛好者研讀。
——北京郵電大學國際學院企業顧問團專家 段超
在大數據和人工智慧時代，技術趨勢出現了範式變遷，軟體開發的價值鏈出現了偏移。早前開發者掌握了常用的開發語言和一定的編碼技術，能實現項目要求的功能，就能拿到不低的工資。如今隨著人工智慧時代的到來，只有那些數學基礎和算法知識紮實的工程師，才可以利用趨勢實現價值的進一步提升。本書詳細闡述了深度學習的內在原理，並輔以多個項目實戰案例增強讀者的學習效果。任何想爬上技術食物鏈頂端的工程師都可以將本書作為學習和實踐的指導書，提升自己在人工智慧領域的能力，從而實現價值的躍遷。
——神兔未來科技有限公司創始人 王靜逸
作者簡介
陳屹，海南康康餅網路科技有限公司CEO。畢業於數學專業，擁有十幾年的軟體開發經驗。曾經任職於聯想、微軟和Realnetworks等國內外知名公司，從事客戶端及服務端開發工作。熟練掌握C++、Java、Python等開發語言，擅長算法邏輯和架構設計。目前致力於對人工智慧技術的研究。
