Подлинное место] Керас глубокое обучение практическим исполнением искусственное интеллект Введение в искусственное искусство Python Practic
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Пресс: People's Puss and Telecommunications Publishing House; 1 -е издание (1 июля 2018 г.)
Оплата в мягкой обложке
Язык: упрощенный китайский
Кайбен: 16
ISBN: 7115482225
Шатрикод: 9787115482228
Цена: 59
Глава 1 Основы нейронной сети 1
1.1 Машина восприятия 2
Пример кода первого ключа 3
1.2 Multi -Layer Machine— Пример первой нейронной сети 3
1.2.1 Вопросы в программе обучения машины восприятия 4
1.2.2 Функция активации— Sigmoid 5
1.2.3 Функция активации&Mdash; Relu 5
1.2.4 Функция активации 6
1.3 Пример— почерк цифрового распознавания 6
1.3.1 ОДНА-HOT CODING— ohe 7
1.3.2 Определить простые нейронные сети с ключами 7
1.3.3 Запустите простую сеть Keras и создайте базовую линию 10
1.3.4 Улучшите простую сеть с помощью скрытого уровня 11
1.3.5 Используйте отсечение для улучшения простой сети 14
1.3.6 Различные оптимизаторы в тесте Керас 16
1.3.7 Увеличьте количество тренировочных колес 20
1.3.8 контролировать скорость обучения оптимизатора 20
1.3.9 Увеличьте количество внутренних скрытых нейронов 21
1.3.10 Увеличьте размер пакетного процесса 22
1.3.11 Эксперимент по идентификации рукописных чисел суммируйте 22
1.3.12 Используйте регулярные методы, чтобы избежать переживания 22
1.3.13 Ultra -Porter Suition 24
1.3.14 Выходной прогноз 24
1.4 Практический обзор обратной связи 25
1.5 Дорога к глубокому обучению 26
1.6 Резюме 27
Глава 2 Установка Keras и API 28
2.1 Установите керас 28
2.1.1 Шаг 1— зависимости установки 28
2.1.2 Шаг 2— установить Theano 29
2.1.3 Шаг 3— установить TensorFlow 29
2.1.4 Шаг 4— Установите Keras 30
2.1.5 Шаг 5— тест Theano, Tensorflow и Keras 30
2.2 Конфигурация Keras 31
2.3 Установите Keras 32 на Docker
2.4 Установите Keras 34 в Google Cloud ML
2.5 Установите Keras 36 на Amazon AWS
2.6 Установите Keras 37 на Microsoft Azure
2.7 Keras API 39
2.7.1 Начните с Keras Architecture 40
2.7.2 Обзор предопределенных слоев нейронной сети 40
2.7.3 Обзор предопределенных функций активации 43
2.7.4 Обзор функции потерь 44
2.7.5 Резюме функции оценки 44
2.7.6 Обзор оптимизации 44
2.7.7 Некоторые полезные операции 44
2.7.8 Сохранить и веса нагрузки и структура модели 45
2.8 Настройка процесса индивидуального обучения 45
2.8.1 Настройки точки проверки 45
2.8.2 Используйте Tensorboard 47
2.8.3 Используйте Quiver 47
2.9 Резюме 48
Глава 3 Глубокое обучение сверточной сетью 49
3.1 Глубокая сверточная нейронная сеть— dcnn 50
3.1.1 местный опыт дикий 50
3.1.2 разделяя вес и смещение 51
3.1.3 Слой пленки 51
3.2 DCNN Пример&Mdash; Lenet 52
3.2.1 Стройте код Lenet 53 с помощью Keras 53
3.2.2 Британцы глубокого обучения 59
3.3 Используйте сеть глубокого обучения для определения изображения CIFAR-10 60
3.3.1 Улучшить производительность CIFAR-10 с помощью сети Deep Learning 64
3.3.2 Улучшение производительности CIFAR-10 через данные 66
3.3.3 Используйте CIFAR-10, чтобы предсказать 68
3.4 Extreme Convolution Network для большого распознавания изображений 69
3.4.1 Используйте сеть VGG-16 для идентификации CAT 71
3.4.2 Используйте встроенный сетевой модуль VGG-16 VGG-16
3.4.3 Экстракт рециркуляции встроенной -В модели 73 глубокого обучения 73
3.4.4 Чрезвычайно глубокая сеть на основе vection-v3 для обучения миграции
3.5 Резюме 76
Глава 4 генерирует конфронтационную сеть и Wavenet 78
4.1 Что генерирует конфронтационную сеть 78
Некоторые приложения, которые генерируются против сети 80
4.2 Глубокая заводская фабрика боевой сеть 82
4.3 Используйте Adversarial Keras для генерации данных MNIST 85
4.4 Используйте Adversarial Keras для генерации данных CIFAR 91
4.5 Wavenet— модель, как генерировать аудио, сгенерированное 99
4.6 Резюме 108
Глава 5 CI Enterdes 109
5.1 Распределенное представление 110
5.2 Word2VEC 110
5.2.1 Skip-Gram Word2VEC MODEL 111
5.2.2 CBOW WORD2VEC MODEL 114
5.2.3 Извлечение Word2VEC Vector 116 из модели 116
5.2.4 Используйте третью сторону Word2VEC для реализации 117
5.3 Исследуйте перчатку 121
5.4 Используйте предварительно обученный словесный вектор 122
5.4.1. Начать обучение слов Вектор 123 С нуля 123
5.4.2 слегка обученный вектор слов из Word2VEC 127
5.4.3 Слегка обученный вектор слов из перчатки 131
5.4.4 Нахождение слов вектор 132
5.5 Резюме 136
Глава 6 Круга Нейронная сеть— RNN 137
6.1 Simplernn Unit 138
Внедрить Simplernn с Keas— генерировать текст 139
6.2 RNN Топология 143
6.3 Градиент исчезновение и взрыв градиента 145
6.4 Сеть длинной срок— LSTM 146
Реализуйте LSTM с Keas— эмоциональный анализ 148
6.5 Блок управления дверью&Mdash; Gru 153
Внедрить GRU с Keas— формулировка 154
6.6 ДВА -АЙСКОЙ РНН 160
6.7 Государство RNN 161
Используйте KEAS для достижения статуса LSTM— прогноз энергопотребления 161
6.8 Другие варианты RNN 167
6.9 Резюме 167
Глава 7 Другая модель глубокого обучения 169
7.1 Керас Функция API 170
7.2 Вернитесь в Интернет 172
Пример регрессии Керас— прогнозируйте содержание бензола в воздухе 172
7.3 Без учеба.— автоматический энкодер 176
Пример автомобильного кода Keras— Вектор предложения 178
7.4 Строительство Deep Network 185
Керас пример&Mdash; Q & A Memory Network 185
7.5 Custom Keras 192
7.5.1 Пример кераса&Mdash; Lambda Layer 193
7.5.2 Пример Керас— индивидуальный возвратный уровень 193
7.6 Сгенерировать модель 196
7.6.1 Керас Пример&Mdash; глубокие мечты 197
7.6.2 Пример керас— конверсия стиля 204
7.7 Резюме 208
Глава 8 AI 210 в игре
8.1 Укрепление обучения 211
8.1.1*Награда Future Greatization 212
8.1.2 Q Изучение 212
8.1.3 Deep Q Network As Function 213
8.1.4 Баланс разведки и использования 214
8.1.5 Опыт воспроизведения или значения опыта 215
8.2 Пример&Mdash; используйте сеть Keras Deep Q, чтобы захватить игры 215
8.3 Future Road 226
8.4 Резюме 228
Глава 9 Заключительное предложение 229
9.1 Керас 2.0— новые функции 230
9.1.1 Установите керас 2.0 230
9.1.2 Изменения в API 231
