tf.keras 技術者們必讀！深度學習攻略手冊

內容簡介

剛接觸 Deep learning 深度學習, 大家都說 Keras 實作最簡單、最多人用, 各種參考資源也很豐富, 但實際學習 Keras 卻一直卡關... ．官方網站資源豐富, 但不知從何查起？一大堆參數說明夾雜各種專有名詞, 有看沒有懂？．跟著書上或網路上的範例實作都做得出來, 不過卻不知道為什麽要這麽做？．用經典 MNIST 資料集辨識手寫數字, 準確率都 97 趴以上, 換成自己寫的數字就掉到 5、60 趴？．神經網路的程式常出現 NumPy 的陣列運算, 還有什麽矩陣點積、轉置、陣列擴張, 搞不懂是怎麽算出來的？．損失函式、最佳化器、評量準則(metrics)的種類那麽多, 在實作各種神經網路時, 到底該如何選擇和搭配呢？．文字資料的處理都只用英文資料集來訓練, 中文資料又該怎麽訓練咧？．聽說 Colab 雲端開發環境很好用,...(展開全部) 剛接觸 Deep learning 深度學習, 大家都說 Keras 實作最簡單、最多人用, 各種參考資源也很豐富, 但實際學習 Keras 卻一直卡關... ．官方網站資源豐富, 但不知從何查起？一大堆參數說明夾雜各種專有名詞, 有看沒有懂？．跟著書上或網路上的範例實作都做得出來, 不過卻不知道為什麽要這麽做？．用經典 MNIST 資料集辨識手寫數字, 準確率都 97 趴以上, 換成自己寫的數字就掉到 5、60 趴？．神經網路的程式常出現 NumPy 的陣列運算, 還有什麽矩陣點積、轉置、陣列擴張, 搞不懂是怎麽算出來的？．損失函式、最佳化器、評量準則(metrics)的種類那麽多, 在實作各種神經網路時, 到底該如何選擇和搭配呢？．文字資料的處理都只用英文資料集來訓練, 中文資料又該怎麽訓練咧？．聽說 Colab 雲端開發環境很好用, 但資料檔、圖檔、模組等要如何上傳呢?可以連結到我的雲端硬碟嗎？．… Deep learning 深度學習涉及的知識面向廣泛, 要有數學基礎、統計概念, 還要有資料處理的基本觀念, 最重要是要具備一定程度的 Python 功力, 才有能力跟著實作。如果不是在這個領域打滾好幾年的老手, 大概很難面面俱到。加上神經網路的內部結構是超乎想像的複雜, 玄之又玄的輸出結果, 讓許多人把深度學習當作參不透的黑盒子或鍊金術, 反正跟著高手、神人套用現成的模型架構來訓練就對了。事實上, AI 不僅是工程設計, 更是實證科學, 必須多方嚴謹的測試與印證, 才能打好基礎！千萬不要下載一個模型、跑跑測試集就認為學會 AI 了…。而本書的使命, 就是要為您揭開深度學習的黑盒子, 用追根究底的實驗精神, 帶您紮實學會 Keras 並建立各種實用的神經網路模型, 別人說不清楚的事, 就由我們來幫您逐一解惑, 並帶您順利地學會、學通 Keras 及深度學習！本書特色台灣人工智慧學校 --------------------------------- 技術發展處處長張嘉哲審閱專案處處長蔡源鴻審閱 ○ 解開黑盒子 – 高效學習 DNN、CNN、RNN 等神經網路模型 ○ 發揮追根究柢的實驗精神, 測試各種神經網路模型“配方” ○ 隨時幫你複習進階的 Python 程式語法及函式用法, 學習不卡關！ ○ 完整介紹文字、圖片、時序資料的預處理技巧 ○ 函式式 API (functional API) 的建模手法與實例印證 ○ 中文詞向量、遷移式學習、Callback、Tensorboard ○ LeNet、AlexNet、VGG、GoogLeNet、ResNet、DenseNet.. 等 CNN 經典模型的進化秘方 ○ 在雲端高速訓練模型 - 善用 Google 免費的 Colab 雲端開發環境 Keras 是目前深度學習領域中, 最容易使用且功能強大的神經網路開發工具, Tensorflow 已將之收錄到自己的套件中, 並命名為 tf.keras。本書同時適用於最新的 tf.keras 及 Keras。施威銘研究室出版電腦書已經 30 年了, 我們持續專注於科技教育, 卓越的品質是我們的堅持, 很多大專院校教授、高中職老師、線上課程講師都說“我是看施威銘研究室的書長大的”。而現在, 我們更加致力於開發 AI 領域的圖書, 並推廣“Learning by doing 實作學習”, 希望培養更多的 AI 人才, 實踐學以致用的理想。

tf.keras 技術者們必讀！深度學習攻略手冊

基本介紹

相關詞條

熱門詞條