1.本學習及其原理,講解各種單樣本學習算法,例如孿生網絡、原型網絡、關繫網絡和記憶增強網絡,並在基於Python的TensorFlow與Keras中實現它們;
2.讀者能夠從本書中了解學習算法,如模學習、Repti學習的上下文適應;
3.本書還探索如隨機梯度下降法來快速學習,以及如學習來進行無監督學習。
“這本書對算法的解釋簡潔明晰、通俗易懂,任何學習的人都應該閱讀。”
——英文版讀者評論
學習?為什麼需學習?
近年來深度學習的發展如火如荼,但深度神經網絡需要大規模的訓練集來訓練模型,而且處理新任務時不能采用已有的模型,必須從零開始訓練新模型。
本學習及其原理,講解各種單樣本學習算法,並在基於Python的TensorFlow與Keras中實現它們。閱讀本書,你將能夠:
●理解學習的類型及其算法
●使用孿生網絡建立人臉識別模型與音頻識別模型
●學習原型網絡及其變體
●使用TensorFlow構建關繫網絡與匹配網絡
●在Python中從頭開始構建MAML和Reptile算法
●掌握從頭構建梯度一致算法
●探索任學習學習