深度学习私房菜 跟着案例学TensorFlow2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

深度学习私房菜 跟着案例学TensorFlowPDF格式电子书版下载

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

1卷积神经网络与环境搭建1

1.1 概述1

1.2 卷积神经网络2

1.2.1 卷积层3

1.2.2 修正线性单元6

1.2.3 池化层8

1.2.4 全连接层8

1.2.5 softmax层9

1.2.6 LeNet-5网络9

1.3 准备开发环境10

1.3.1 Anaconda环境搭建10

1.3.2 安装TensorFlow 1.x11

1.3.3 FloydHub使用介绍13

1.3.4 AWS使用介绍18

1.4 本章小结26

2卷积神经网络实践：图像分类27

2.1 概述27

2.2 卷积神经网络项目实践：基于TensorFlow 1.x27

2.2.1 数据预处理28

2.2.2 网络模型33

2.2.3 训练网络39

2.3 卷积神经网络项目实践：基于TensorFlow 2.041

2.3.1 TensorFlow 2.0介绍41

2.3.2 CIFAR-100分类网络的TensorFlow 2.0实现44

2.4 本章小结60

3彩票预测和生成古诗61

3.1 概述61

3.2 RNN61

3.3 LSTM63

3.4 嵌入矩阵66

3.5 实现彩票预测69

3.5.1 数据预处理70

3.5.2 构建神经网络71

3.5.3 训练神经网络75

3.5.4 分析网络训练情况83

3.5.5 生成预测号码88

3.6 文本生成93

3.7 生成古诗：基于TensorFlow 2.096

3.7.1 数据预处理96

3.7.2 构建网络99

3.7.3 开始训练102

3.7.4 生成古诗102

3.8 自然语言处理106

3.8.1 序列到序列106

3.8.2 Transformer108

3.8.3 BERT112

3.9 本章小结118

4个性化推荐系统119

4.1 概述119

4.2 MovieLens 1M数据集分析120

4.2.1 下载数据集120

4.2.2 用户数据120

4.2.3 电影数据122

4.2.4 评分数据123

4.3 数据预处理123

4.3.1 代码实现124

4.3.2 加载数据并保存到本地127

4.3.3 从本地读取数据128

4.4 神经网络模型设计128

4.5 文本卷积神经网络130

4.6 实现电影推荐：基于TensorFlow 1.x131

4.6.1 构建计算图131

4.6.2 训练网络139

4.6.3 实现个性化推荐144

4.7 实现电影推荐：基于TensorFlow 2.0154

4.7.1 构建模型154

4.7.2 训练网络166

4.7.3 实现个性化推荐166

4.8 本章小结169

5广告点击率预估：Kaggle实战170

5.1 概述170

5.2 下载数据集170

5.3 数据字段的含义171

5.4 点击率预估的实现思路172

5.4.1 梯度提升决策树172

5.4.2 因子分解机172

5.4.3 场感知分解机174

5.4.4 网络模型175

5.5 数据预处理176

5.5.1 GBDT的输入数据处理177

5.5.2 FFM的输入数据处理177

5.5.3 DNN的输入数据处理179

5.5.4 数据预处理的实现180

5.6 训练FFM188

5.7 训练GBDT197

5.8 用LightGBM的输出生成FM数据203

5.9 训练FM207

5.10 实现点击率预估：基于TensorFlow 1.x218

5.10.1 构建神经网络219

5.10.2 训练网络225

5.10.3 点击率预估231

5.11 实现点击率预估：基于TensorFlow 2.0237

5.12 本章小结245

6人脸识别246

6.1 概述246

6.2 人脸检测247

6.2.1 OpenCV人脸检测247

6.2.2 dlib人脸检测251

6.2.3 MTCNN人脸检测254

6.3 提取人脸特征264

6.3.1 使用FaceNet提取人脸特征264

6.3.2 使用VGG网络提取人脸特征265

6.3.3 使用dlib提取人脸特征272

6.4 人脸特征的比较276

6.5 从视频中找人的实现282

6.6 视频找人的案例实践284

6.7 人脸识别：基于TensorFlow 2.0302

6.8 本章小结303

7AlphaZero/AlphaGo实践：中国象棋304

7.1 概述304

7.2 论文解析305

7.2.1 蒙特卡罗树搜索算法307

7.2.2 神经网络312

7.2.3 AlphaZero论文解析314

7.3 实现中国象棋：基于TensorFlow 1.x317

7.3.1 中国象棋着法表示和FEN格式317

7.3.2 输入特征的设计321

7.3.3 实现神经网络323

7.3.4 神经网络训练和预测327

7.3.5 通过自我对弈训练神经网络330

7.3.6 自我对弈334

7.3.7 实现蒙特卡罗树搜索：异步方式340

7.3.8 训练和运行353

7.4 实现中国象棋：基于TensorFlow 2.0，多GPU版354

7.5 本章小结364

8汉字OCR365

8.1 概述365

8.2 分类网络实现汉字OCR365

8.2.1 图片矫正366

8.2.2 文本切割368

8.2.3 汉字分类网络369

8.3 端到端的汉字OCR：基于TensorFlow 1.x371

8.3.1 CNN设计372

8.3.2 双向LSTM设计374

8.3.3 CTC损失385

8.3.4 端到端汉字OCR的网络训练388

8.4 汉字OCR：基于TensorFlow 2.0395

8.4.1 CNN的实现395

8.4.2 双向LSTM的实现396

8.4.3 OCR网络的训练403

8.5 本章小结406

9强化学习：玩转Flappy Bird和超级马里奥407

9.1 概述407

9.2 DQN算法407

9.3 实现DQN玩Flappy Bird：基于TensorFlow 1.x412

9.4 实现DQN玩Flappy Bird：基于TensorFlow 2.0417

9.5 使用OpenAI Baselines玩超级马里奥424

9.5.1 Gym424

9.5.2 自定义Gym环境426

9.5.3 使用Baselines训练431

9.5.4 使用训练好的智能体玩游戏437

9.5.5 开始训练马里奥游戏智能体438

9.6 具有好奇心的强化学习算法443

9.7 本章小结444

10生成对抗网络实践：人脸生成445

10.1 概述445

10.2 GAN446

10.3 DCGAN447

10.3.1 生成器448

10.3.2 判别器449

10.4 WGAN449

10.5 WGAN-GP451

10.5.1 WGAN-GP算法451

10.5.2 训练WGAN-GP生成人脸：基于TensorFlow 1.x452

10.5.3 训练WGAN-GP生成人脸：基于TensorFlow 2.0462

10.6 PG-GAN和TL-GAN469

10.7 本章小结473