万本电子书0元读

万本电子书0元读

顶部广告

Keras深度学习实战电子书 租阅

售       价:¥

纸质售价:¥54.50购买纸书

289人正在读 | 0人评论 6.2

作       者:(印)拉蒂普·杜瓦(Rajdeep Dua)

出  版  社:机械工业出版社

出版时间:2019-05-01

字       数:4.8万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(1条)
  • 读书简介
  • 目录
  • 累计评论(1条)
本书从实用的角度出发,全方面介绍了如何使用Keras解决深度学习中的各类问题。本书假设读者无任何关于深度学习编程的基础知识,首先介绍了Keras这一高度模块化、极简式的深度学习框架的安装、配置和编译等平台搭建知识,而后详细介绍了深度学习所要求的数据预处理等基本内容,在此基础上介绍了卷积神经网络、生成式对抗网络、递归神经网络这三种深度学习方法并给出了相关实例代码,最后本书介绍了自然语言处理、强化学习两方面的内容。本书是一本实践性很强的深度学习工具书,既适合希望快速学习和使用Keras深度学习框架的工程师、学者和从业者,又特别适合立志从事深度学习和AI相关的行业并且希望用Keras开发实际项目的工程技术人员。 第1章介绍了Keras的安装和设置过程以及如何配置Keras。 第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集,以及用于图像分类的其他数据集和模型。 第3章介绍了使用Keras的各种预处理和优化技术,优化技术包括TFOptimizer、AdaDelta等。 第4章详细描述了不同的Keras层,包括递归层和卷积层等。 第5章通过宫颈癌分类和数字识别数据集的实例,详细解释如何使用卷积神经网络算法。 第6章包括基本的生成式对抗网络(GAN)和边界搜索GAN。 第7章涵盖了递归神经网络的基础,以便实现基于历史数据集的Keras。 第8 章包括使用Keras行单词分析和情感分析的NLP基础知识。 第9章展示了如何在Amazon评论数据集中使用Keras模型行文本概述。 第10章侧重于使用Keras设计和发强化学习模型。
【推荐语】
采用Python编写的Keras能够快速准确地训练卷积和递归神经网络,这使得Keras在很短的时间里就成为一个流行的深度学习库。 本书介绍了如何在时下流行的Keras库的帮助下,解决训练深度学习模型时遇到的各种问题。从安装和设置Keras始,展示了如何使用Keras行深度学习;从加载数据到拟合、评估模型获得*性能,逐步解决工作过程中遇到的每一个问题。在本书的帮助下,你可以分别实现卷积神经网络、递归神经网络、生成式对抗网络等。除此之外,本书还讲述了如何训练这些模型以完成图像处理和语言处理的任务。 本书*后还给出了一些实例,可以帮助你直观地了解Python和Keras在深度学习上的强大功能 通过阅读本书,你将学到: • 在TensorFlow中安装和配置Keras • 使用Keras库行神经网络编程 • 了解不同的Keras层 • 使用Keras实现简单的前馈神经网络、卷积神经网络和递归神经网络 • 使用各种数据集和模型行图像和文本分类 • 使用Keras发文本摘要和强化学习模型
【作者】
拉蒂普•杜瓦(Rajdeep Dua)在云计算和大数据领域拥有超过18年的经验。他曾在IIIT Hyderabad、ISB、IIIT Delhi和Pune College of Engineering等印度一些久负盛名的科技大学教授Spark和大数据。他目前是Salesforce印度分公司发人员团队的负责人,曾在海德拉巴举行的W3C会议上展示BigQuery和Google App Engine,并领导过Google、VMware和Microsoft的发团队,在云计算相关的数百个会议上发表过演讲。 曼普里特•辛格•古特(Manpreet Singh Ghotra)在企业软件和大数据软件的发领域拥有超过15年的经验。他目前在Salesforce使用Keras、Apache Spark和TensorFlow等源库和框架从事机器学习平台/API的发。他曾涉足过多个机器学习系统领域,包括情感分析、垃圾邮件检测和异常检测。此外,他还曾是世界上最大的在线零售商之一的机器学习团队的成员,使用Apache Mahout计算转运时间、发推荐系统。
目录展开

译者序

审校者简介

前言

第1章 Keras安装

1.1 引言

1.2 在Ubuntu 16.04上安装Keras

1.3 在Docker镜像中使用Jupyter Notebook安装Keras

1.4 在已激活GPU的Ubuntu 16.04上安装Keras

第2章 Keras数据集和模型

2.1 引言

2.2 CIFAR-10数据集

2.3 CIFAR-100数据集

2.4 MNIST数据集

2.5 从CSV文件加载数据

2.6 Keras模型入门

2.7 序贯模型

2.8 共享层模型

2.9 Keras函数API

2.10 Keras函数API——链接层

2.11 使用Keras函数API进行图像分类

第3章 数据预处理、优化和可视化

3.1 图像数据特征标准化

3.2 序列填充

3.3 模型可视化

3.4 优化

3.5 示例通用代码

3.6 随机梯度下降优化法

3.7 Adam优化算法

3.8 AdaDelta优化算法

3.9 使用RMSProp进行优化

第4章 使用不同的Keras层实现分类

4.1 引言

4.2 乳腺癌分类

4.3 垃圾信息检测分类

第5章 卷积神经网络的实现

5.1 引言

5.2 宫颈癌分类

5.3 数字识别

第6章 生成式对抗网络

6.1 引言

6.2 基本的生成式对抗网络

6.3 边界搜索生成式对抗网络

6.4 深度卷积生成式对抗网络

第7章 递归神经网络

7.1 引言

7.2 用于时间序列数据的简单RNN

7.3 时间序列数据的LSTM网络

7.4 使用LSTM进行时间序列预测

7.5 基于LSTM的等长输出序列到序列学习

第8章 使用Keras模型进行自然语言处理

8.1 引言

8.2 词嵌入

8.3 情感分析

第9章 基于Keras模型的文本摘要

9.1 引言

9.2 评论的文本摘要

第10章 强化学习

10.1 引言

10.2 使用Keras进行《CartPole》游戏

10.3 使用竞争DQN算法进行《CartPole》游戏

累计评论(1条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部