图书介绍

Python 深度学习实战 75个有关神经网络建模、强化学习与迁移学习的解决方案2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

Python 深度学习实战 75个有关神经网络建模、强化学习与迁移学习的解决方案
  • Indra den Bakker 著
  • 出版社： 北京：机械工业出版社
  • ISBN：9787111598725
  • 出版时间：2018
  • 标注页数：258页
  • 文件大小：34MB
  • 文件页数：272页
  • 主题词：软件工具－程序设计

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：85cf79f91d694531cd93a19d90c287b8

下载说明

Python 深度学习实战 75个有关神经网络建模、强化学习与迁移学习的解决方案PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 编程环境、GPU计算、云解决方案和深度学习框架1

1.1 简介1

1.2 搭建一个深度学习环境2

1.3 在AWS上启动实例2

1.4 在GCP上启动实例3

1.5 安装CUDA和cuDNN4

1.6 安装Anaconda和库文件6

1.7 连接服务器上的Jupyter Notebooks7

1.8 用TensorFlow构建最先进的即用模型8

1.9 直观地用Keras建立网络10

1.10 使用PyTorch的RNN动态计算图12

1.11 用CNTK实现高性能模型14

1.12 使用MXNet构建高效的模型15

1.13 使用简单、高效的Gluon编码定义网络17

第2章 前馈神经网络19

2.1 简介19

2.2 理解感知器19

2.3 实现一个单层神经网络23

2.4 构建一个多层神经网络27

2.5 开始使用激活函数30

2.6 关于隐层和隐层神经元的实验35

2.7 实现一个自动编码器38

2.8 调整损失函数41

2.9 测试不同的优化器44

2.10 使用正则化技术提高泛化能力47

2.11 添加Dropout以防止过拟合51

第3章 卷积神经网络56

3.1 简介56

3.2 开始使用滤波器和参数共享56

3.3 应用层合并技术60

3.4 使用批量标准化进行优化62

3.5 理解填充和步长66

3.6 试验不同类型的初始化72

3.7 实现卷积自动编码器76

3.8 将一维CNN应用于文本79

第4章 递归神经网络81

4.1 简介81

4.2 实现一个简单的RNN82

4.3 添加LSTM84

4.4 使用GRU86

4.5 实现双向RNN89

4.6 字符级文本生成91

第5章 强化学习95

5.1 简介95

5.2 实现策略梯度95

5.3 实现深度Q学习算法102

第6章 生成对抗网络109

6.1 简介109

6.2 了解GAN109

6.3 实现DCGAN112

6.4 使用SRGAN来提高图像分辨率117

第7章 计算机视觉125

7.1 简介125

7.2 利用计算机视觉技术增广图像125

7.3 图像中的目标分类130

7.4 目标在图像中的本地化134

7.5 实时检测框架139

7.6 用U-net将图像分类139

7.7 语义分割与场景理解143

7.8 寻找人脸面部关键点147

7.9 人脸识别151

7.10 将样式转换为图像157

第8章 自然语言处理162

8.1 简介162

8.2 情绪分析162

8.3 句子翻译165

8.4 文本摘要169

第9章 语音识别和视频分析174

9.1 简介174

9.2 从零开始实现语音识别流程174

9.3 使用语音识别技术辨别讲话人177

9.4 使用深度学习理解视频181

第10章 时间序列和结构化数据185

10.1 简介185

10.2 使用神经网络预测股票价格185

10.3 预测共享单车需求189

10.4 使用浅层神经网络进行二元分类192

第11章 游戏智能体和机器人194

11.1 简介194

11.2 通过端到端学习来驾驶汽车194

11.3 通过深度强化学习来玩游戏199

11.4 用GA优化超参数205

第12章 超参数选择、调优和神经网络学习211

12.1 简介211

12.2 用TensorBoard和Keras可视化训练过程211

12.3 使用批量和小批量工作215

12.4 使用网格搜索调整参数219

12.5 学习率和学习率调度221

12.6 比较优化器224

12.7 确定网络的深度227

12.8 添加Dropout以防止过拟合227

12.9 通过数据增广使模型更加鲁棒232

12.10 利用TTA来提高精度234

第13章 网络内部构造235

13.1 简介235

13.2 用TensorBoard可视化训练过程235

13.3 用TensorBoard可视化网络结构239

13.4 分析网络权重等239

13.5 冻结层244

13.6 存储网络结构并训练权重246

第14章 预训练模型250

14.1 简介250

14.2 使用GoogLeNet/Inception进行大规模视觉识别250

14.3 用ResNet提取瓶颈特征252

14.4 对新类别使用预训练的VGG模型253

14.5 用Xception细调256

热门推荐