1.本书介绍元学习及其原理,讲解各种单样本学习算法,例如孪生网络、原型网络、关系网络和记忆增强网络,并在基于Python的TensorFlow与Keras中实现它们; 2.读者能够从本书中了解先的元学习算法,如模型无关元学习、Reptile和元学习的上下文适应; 3.本书还探索如何使用元随机梯度下降法来快速学习,以及如何使用元学习来行无监督学习。 “这本书对算法的解释简洁明晰、通俗易懂,任何想了解元学习的人都应该阅读。” ——英文版读者评论 什么是元学习?为什么需要了解元学习? 近年来深度学习的发展如火如荼,但深度神经网络需要大规模的训练集来训练模型,而且处理新任务时不能采用已有的模型,必须从零始训练新模型。 元学习能够生成通用的人工智能模型来学习执行各种任务。只需少量数据,即可训练元学习模型完成各种相关的任务。因此对于新任务,元学习模型可以利用之前从相关任务中获得的知识,无须从零始训练。 本书介绍元学习及其原理,讲解各种单样本学习算法,并在基于Python的TensorFlow与Keras中实现它们。阅读本书,你将能够: ●理解什么是元学习、元学习的类型及其算法 ●使用孪生网络建立人脸识别模型与音频识别模型 ●学习原型网络及其变体 ●使用TensorFlow构建关系网络与匹配网络 ●在Python中从头始构建MAML和Reptile算法 ●掌握从头构建梯度一致算法 ●探索任务无关元学习和深度元学习
售 价:¥
纸质售价:¥43.90购买纸书
温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印
为你推荐
版权声明
献词
前言
第 1 章 元学习简介
第 2 章 使用孪生网络进行人脸识别与音频识别
第 3 章 原型网络及其变体
第 4 章 使用 TensorFlow 构建关系网络与匹配网络
第 5 章 记忆增强神经网络
第 6 章 MAML 及其变种
第 7 章 Meta-SGD 和 Reptile
第 8 章 梯度一致作为优化目标
第 9 章 新进展与未来方向
思考题答案
作者简介
看完了
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜