Keras深度学习实战2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

Keras深度学习实战PDF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

第1章 神经网络基础1

1.1 感知机2

第一个Keras代码示例3

1.2 多层感知机——第一个神经网络的示例3

1.2.1 感知机训练方案中的问题4

1.2.2 激活函数——sigmoid5

1.2.3 激活函数——ReLU5

1.2.4 激活函数6

1.3 实例——手写数字识别6

1.3.1 One-hot编码——OHE7

1.3.2 用Keras定义简单神经网络7

1.3.3 运行一个简单的Keras网络并创建基线10

1.3.4 用隐藏层改进简单网络11

1.3.5 用dropout进一步改进简单网络14

1.3.6 Keras中的不同优化器测试16

1.3.7 增加训练轮数20

1.3.8 控制优化器的学习率20

1.3.9 增加内部隐藏神经元的数量21

1.3.10 增加批处理的大小22

1.3.11 识别手写数字的实验总结22

1.3.12 采用正则化方法避免过拟合22

1.3.13 超参数调优24

1.3.14 输出预测24

1.4 一种实用的反向传播概述25

1.5 走向深度学习之路26

1.6 小结27

第2章 Keras安装和API28

2.1 安装Keras28

2.1.1 第1步——安装依赖项28

2.1.2 第2步——安装Theano29

2.1.3 第3步——安装TensorFlow29

2.1.4 第4步——安装Keras30

2.1.5 第5步——测试Theano、TensorFlow和Keras30

2.2 配置Keras31

2.3 在Docker上安装Keras32

2.4 在谷歌Cloud ML上安装Keras34

2.5 在亚马逊AWS上安装Keras36

2.6 在微软Azure上安装Keras37

2.7 Keras API39

2.7.1 从Keras架构开始40

2.7.2 预定义神经网络层概述40

2.7.3 预定义激活函数概述43

2.7.4 损失函数概述44

2.7.5 评估函数概述44

2.7.6 优化器概述44

2.7.7 一些有用的操作44

2.7.8 保存和加载权重及模型结构45

2.8 自定义训练过程的回调函数45

2.8.1 检查点设置45

2.8.2 使用TensorBoard47

2.8.3 使用Quiver47

2.9 小结48

第3章 深度学习之卷积网络49

3.1 深度卷积神经网络——DCNN50

3.1.1 局部感受野50

3.1.2 共享权重和偏置51

3.1.3 池化层51

3.2 DCNN示例——LeNet52

3.2.1 用Keras构建LeNet代码53

3.2.2 深度学习的本领59

3.3 用深度学习网络识别CIFAR-10图像60

3.3.1 用深度学习网络改进CIFAR-10的性能64

3.3.2 通过数据增加改善CIFAR-10的性能66

3.3.3 用CIFAR-10进行预测68

3.4 用于大型图片识别的极深度卷积网络69

3.4.1 用VGG-16网络识别猫71

3.4.2 使用Keras内置的VGG-16网络模块72

3.4.3 为特征提取回收内置深度学习模型73

3.4.4 用于迁移学习的极深inception-v3网络74

3.5 小结76

第4章 生成对抗网络和WaveNet78

4.1 什么是生成对抗网络78

生成对抗网络的一些应用80

4.2 深度卷积生成对抗网络82

4.3 用Keras adversarial生成MNIST数据85

4.4 用Keras adversarial生成CIFAR数据91

4.5 WaveNet——一个学习如何产生音频的生成模型99

4.6 小结108

第5章 词嵌入109

5.1 分布式表示110

5.2 word2vec110

5.2.1 skip-gram word2vec模型111

5.2.2 CBOW word2vec模型114

5.2.3 从模型中提取word2vec向量116

5.2.4 使用word2vec的第三方实现117

5.3 探索GloVe121

5.4 使用预训练好的词向量122

5.4.1 从头开始学习词向量123

5.4.2 从word2vec中微调训练好的词向量127

5.4.3 从GloVe中微调训练好的词向量131

5.4.4 查找词向量132

5.5 小结136

第6章 循环神经网络——RNN137

6.1 SimpleRNN单元138

用Keras实现SimpleRNN——生成文本139

6.2 RNN拓扑结构143

6.3 梯度消失和梯度爆炸145

6.4 长短期记忆网络——LSTM146

用Keras实现LSTM——情感分析148

6.5 门控循环单元——GRU153

用Keras实现GRU——词性标注154

6.6 双向RNN160

6.7 有状态RNN161

用Keras实现有状态LSTM——电量消费预测161

6.8 其他RNN变体167

6.9 小结167

第7章 其他深度学习模型169

7.1 Keras函数API170

7.2 回归网络172

Keras回归示例——预测空气中的苯含量172

7.3 无监督学习——自动编码器176

Keras自动编码器示例——句向量178

7.4 构造深度网络185

Keras示例——问答记忆网络185

7.5 自定义Keras192

7.5.1 Keras示例——使用lambda层193

7.5.2 Keras示例——自定义归一化层193

7.6 生成模型196

7.6.1 Keras示例——Deep Dreaming197

7.6.2 Keras示例——风格转换204

7.7 小结208

第8章 游戏中的AI210

8.1 强化学习211

8.1.1 最大化未来奖赏212

8.1.2 Q学习212

8.1.3 深度Q网络作为Q函数213

8.1.4 探索和利用的平衡214

8.1.5 经验回放，或经验值215

8.2 示例——用Keras深度Q网络实现捕捉游戏215

8.3 未来之路226

8.4 小结228

第9章 结束语229

9.1 Keras 2.0——新特性230

9.1.1 安装Keras 2.0230

9.1.2 API的变化231