为你推荐
译者序
前言
致谢
第一部分 从零开始的图像识别
第1章 机器学习的原理
1.1 编程与机器学习
1.2 监督学习
1.3 魔法背后的数学原理
1.4 设置系统
第2章 首个机器学习程序
2.1 了解问题
2.1.1 监督比萨
2.1.2 理解数据
2.2 编写线性回归代码
2.2.1 定义模型
2.2.2 进行预测
2.2.3 进行训练
2.2.4 计算误差
2.2.5 越来越接近
2.2.6 运行代码
2.3 添加偏置
2.4 小结
2.5 动手研究：设置超参数
第3章 梯度
3.1 算法的缺陷
3.2 梯度下降法
3.2.1 少量数学知识
3.2.2 陡坡速降
3.2.3 脱离平面
3.2.4 偏导数
3.2.5 测试梯度下降法
3.2.6 何时梯度下降法不适用
3.3 小结
3.4 动手研究：露营地问题
第4章 超空间
4.1 添加更多维度
4.2 矩阵代数
4.2.1 矩阵乘法
4.2.2 矩阵转置
4.3 升级学习程序
4.3.1 数据准备
4.3.2 升级预测函数
4.3.3 升级损失函数
4.3.4 升级梯度公式
4.3.5 整合函数
4.4 告别偏置
4.5 最后一次试运行
4.6 小结
4.7 动手研究：统计学家
第5章 能辨识的机器
5.1 线性回归的不足
5.2 S型函数
5.2.1 信心与疑虑
5.2.2 平滑过程
5.2.3 升级梯度
5.2.4 模型函数受到的影响
5.3 操作中的分类函数
5.4 小结
5.5 动手研究：权重的影响
第6章 计算机视觉初探
6.1 处理数据
6.1.1 MNIST入门
6.1.2 训练与测试
6.2 我们自己的MNIST库
6.2.1 准备输入矩阵
6.2.2 处理数据
6.3 实际运行
6.4 小结
6.5 动手研究：难以识别的数字
第7章 最后的挑战
7.1 多元分类
7.1.1 独热编码
7.1.2 独热编码实践
7.1.3 解码分类器的答案
7.1.4 需要更多的权重
7.1.5 回顾矩阵维数
7.2 验证与结果
7.3 小结
7.4 动手研究：扫雷舰
第8章 感知机
8.1 认识感知机
8.2 组装感知机
8.3 感知机的不足
8.3.1 线性可分数据
8.3.2 线性不可分数据
8.4 感知机史话
8.4.1 终极之战
8.4.2 论战余波
第二部分 神经网络
第9章 设计神经网络
9.1 用感知机组装神经网络
9.1.1 链式感知机
9.1.2 节点数量
9.2 加入softmax函数
9.3 构建方案
9.4 小结
9.5 动手研究：网络冒险
第10章 构建神经网络
10.1 编写正向传播代码
10.1.1 编写softmax函数
10.1.2 编写分类函数
10.2 交叉熵
10.3 小结
10.4 动手研究：时间旅行的测试
第11章 训练神经网络
11.1 反向传播的使用场合
11.2 从链式法则到反向传播
11.2.1 简单网络结构的链式法则
11.2.2 复杂网络的链式法则
11.3 使用反向传播算法
11.3.1 开始之前
11.3.2 计算w2的梯度
11.3.3 计算w1的梯度
11.3.4 提炼反向函数
11.4 初始化权重
11.4.1 可怕的对称性
11.4.2 死亡神经元
11.4.3 正确的权重初始化
11.5 完成网络模型
11.6 小结
11.7 动手研究：错误的开始
第12章 分类器的工作原理
12.1 寻找边界
12.1.1 感知机的主场
12.1.2 理解分类
12.1.3 线性不可分
12.2 弯曲的边界
12.3 小结
12.4 动手研究：高难数据
第13章 小批量处理
13.1 训练过程的可视化
13.2 分批处理
13.2.1 小批量样本集的构造
13.2.2 批量样本的训练
13.3 理解小批量
13.3.1 扭曲的路径
13.3.2 大型和小型批处理
13.3.3 批处理的优缺点
13.4 小结
13.5 动手研究：最小的批量
第14章 测试的禅意
14.1 过度拟合的威胁
14.2 测试的难题
14.3 小结
14.4 动手研究：思考测试
第15章 来做开发吧
15.1 准备样本数据
15.1.1 检查输入变量的范围
15.1.2 标准化输入变量
15.1.3 标准化的实践
15.2 调优超参数
15.2.1 选择历元的数量
15.2.2 调优隐藏节点数量
15.2.3 调优学习率
15.2.4 调优批量大小
15.3 最终测试
15.4 动手研究：实现99%
15.5 小结与展望
第三部分 深度学习
第16章 深度神经网络
16.1 针鼹数据集
16.2 使用Keras构建神经网络
16.2.1 计划与代码
16.2.2 加载数据
16.2.3 创建模型
16.2.4 编译模型
16.2.5 训练网络
16.2.6 描绘边界
16.2.7 实践中的Keras
16.3 更深一层
16.4 小结
16.5 动手研究：Keras游乐场
第17章 战胜过度拟合
17.1 详解过度拟合
17.1.1 过度拟合的成因
17.1.2 过度拟合与低度拟合
17.2 模型正则化
17.2.1 回顾深度网络
17.2.2 L1和L2正则化法
17.3 正则化工具箱
17.4 小结
17.5 动手研究：保持简单
第18章 驯服深度网络
18.1 理解激活函数
18.1.1 激活函数存在的意义
18.1.2 S型函数及其运算结果
18.2 超越S型函数
18.2.1 初识ReLU
18.2.2 选择正确的函数
18.3 掌握更多的技巧
18.3.1 更好的权重初始化
18.3.2 加速梯度下降
18.3.3 高级正则化
18.3.4 最后一招：批处理标准化
18.4 小结
18.5 动手研究：10历元的挑战
第19章 超越香草神经网络
19.1 CIFAR-10数据集
19.1.1 初识CIFAR-10
19.1.2 难以分类的CIFAR数据
19.2 CNN的基本结构
19.2.1 图像就是图像
19.2.2 卷积
19.2.3 卷积层
19.3 运行卷积
19.4 小结
19.5 动手研究：大量的超参数
第20章 深度学习
20.1 深度学习的崛起
20.1.1 一场完美的革新风暴
20.1.2 临界点
20.1.3 未完待续
20.2 离谱的效率
20.3 路在何方
20.3.1 视觉之路
20.3.2 语言之路
20.3.3 图像生成之路
20.3.4 通天大道宽又阔
20.3.5 动手研究之路
20.4 你的旅程开始了
附录A Python语言入门
A.1 Python是什么样的
A.1.1 Python是动态类型
A.1.2 Python中重要的缩进
A.2 Python语言的基本组成
A.2.1 数据类型和运算符
A.2.2 集合
A.2.3 字符串
A.2.4 循环
A.3 定义和调用函数
A.3.1 命名参数
A.3.2 默认参数
A.4 模块与包
A.4.1 定义与导入模块
A.4.2 主要习语
A.4.3 管理包
A.5 创建和使用对象
A.6 就这么多了
附录B 机器学习术语
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
购物车
个人中心
