作品简介

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。

拉蒂普·杜瓦(Rajdeep Dua),曼普里特·辛格·古特(Manpreet Singh Ghotra)著。

作品目录

  • 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
展开全部