第 1 章走進Keras 1
1．1關於Keras ．1
1．1．1為什麼是Keras 1
1．1．2Keras 的主要特征 2
1．1．3Keras 的基本概念 2
1．2Mac 版Keras 安裝 ．4
1．2．1創建項目目錄 ．5
1．2．2創建虛擬開發環境 ．5
1．2．3安裝基於Web 的Python 開發
環境JupyterNotebook ．6
1．2．4安裝主要的包 ．6
1．2．5安裝深度學習庫 ．7
1．2．6測試安裝環境 ．7
1．2．7更換深度學習引擎 ．10
1．2．8重啟 ．10
1．2．9解決錯誤 ．10
1．3Windows 版Keras 安裝 ．12
1．3．1安裝Anaconda ．12
1．3．2創建項目目錄 ．14
1．3．3創建虛擬環境 ．15
1．3．4安裝基於Web 的Python 開發
環境JupyterNotebook ．16
1．3．5安裝主要的包 ．17
1．3．6安裝深度學習庫 ．17
1．3．7測試安裝環境 ．18
1．3．8重啟 ．21
1．3．9解決錯誤 ．21
第2 章 深度學習概念 ．25
2．1數據集簡介 ．25
2．1．1訓練集、驗證集和測試集 ．25
2．1．2Q&A 29
2．2關於訓練過程 ．29
2．2．1Batchsize 與訓練周期 30
2．2．2Q&A 32
2．3查看訓練過程 ．33
2．3．1調用history 函數 ．33
2．3．2啟動TensorBoard ．36
2．3．3編寫回調函數 ．39
2．3．4Q&A 43
2．4訓練早停 ．43
2．4．1過擬合模型 ．43
2．4．2設置早停 ．46
2．4．3Q&A 51
2．5模型評價 ．52
2．5．1分類 ．53
2．5．2檢測與搜索 ．60
2．5．3分離 ．65
2．6查看/ 保存/ 調用訓練模型 ．68
2．6．1查看簡易模型 ．69
2．6．2實操中的深度學習繫統 ．70
2．6．3保存已訓練模型 ．71
2．6．4查看模型架構 ．73
2．6．5調用已訓練模型 ．73
2．6．6Q&A 74
第3章 分層概念 76
3．1多層感知層介紹 ．76
3．1．1模仿人類神經繫統 ．76
3．1．2連接輸入/ 輸出的Dense 層 ．78
3．2搭建多層感知神經網模型 ．82
3．2．1定義問題 ．83
3．2．2準備數據 ．83
3．2．3生成數據集 ．84
3．2．4搭建模型 ．85
3．2．5設置模型訓練過程 ．86
3．2．6訓練模型 ．86
3．2．7評價模型 ．87
3．2．8全部代碼 ．87
3．3卷積神經網絡分層 ．89
3．3．1過濾特征顯著的卷積層 ．89
3．3．2忽略細微變化的最大池化層 ．95
3．3．3將視頻一維化的Flatten 層 ．96
3．3．4嘗試搭建模型 ．97
3．4搭建卷積神經網絡模型 ．101
3．4．1定義問題 ．101
3．4．2準備數據 ．102
3．4．3生成數據集 ．103
3．4．4搭建模型 ．104
3．4．5設置模型訓練過程 ．105
3．4．6訓練模型 ．105
3．4．7評價模型 ．106
3．4．8使用模型 ．107
3．4．9全部代碼 ．107
3．5卷積神經網絡模型數據增強 ．109
3．5．1現實問題 ．110
3．5．2查看原有模型結果 ．111
3．5．3數據增強 ．113
3．5．4查看改善後的模型結果 ．116
3．6循環神經網絡分層 ．119
3．7搭建循環神經網絡模型 ．121
3．7．1準備序列數據 ．121
3．7．2生成數據集 ．122
3．7．3訓練過程 ．123
3．7．4預測過程 ．124
3．7．5多層感知器神經網絡模型 ．126
3．7．6標準LSTM 模型 131
3．7．7Stateful LSTM 模型 ．136
3．7．8多種輸入屬性的模型結構 ．141
第4章 示例應用 148
4．1輸入– 預測數值模型示例 ．148
4．1．1準備數據集 ．148
4．1．2準備層 ．149
4．1．3模型準備 ．149
4．1．4全部代碼 ．152
4．1．5訓練結果比較 ．156
4．2輸入分類模型示例 ．157
4．2．1準備數據集 ．157
4．2．2準備層 ．159
4．2．3準備模型 ．159
4．2．4全部代碼 ．161
4．2．5訓練結果比較 ．164
4．3輸入分類問題模型示例 ．165
4．3．1準備數據集 ．165
4．3．2數據預處理 ．167
4．3．3．準備層 168
4．3．4準備模型 ．168
4．3．5全部代碼 ．170
4．3．6訓練結果比較 ．174
4．4輸入視頻預測數值的模型示例 ．174
4．4．1準備數據集 ．175
4．4．2準備層 ．176
4．4．3準備模型 ．177
4．4．4全部代碼 ．178
4．4．5訓練結果比較 ．184
4．5輸入視頻分類問題的模型
示例．185
4．5．1準備數據集 ．185
4．5．2準備層 ．187
4．5．3準備模型 ．187
4．5．4全部代碼 ．189
4．5．5訓練結果比較 ．198
4．6輸入視頻分類問題的模型
示例．199
4．6．1準備數據集 ．200
4．6．2準備層 ．201
4．6．3準備模型 ．201
4．6．4全部代碼 ．203
4．6．5訓練結果比較 ．212
4．7輸入時間序列數據，預測數值的
模型示例．213
4．7．1準備數據集 ．213
4．7．2準備層 ．215
4．7．3準備模型 ．215
4．7．4全部代碼 ．218
4．7．5訓練結果比較 ．228
4．7．6Q&A 229
4．8根據輸入句子（時間序列數值）預測
4．8．1準備數據集 ．230
4．8．2準備層 ．231
4．8．3準備模型 ．232
4．8．4全部代碼 ．235
4．8．5訓練結果比較 ．241
4．9輸入句子（時間序列數值）
分類問題的模型示例．242
4．9．1準備數據集 ．243
4．9．2準備層 ．243
4．9．3準備模型 ．243
4．9．4全部代碼 ．246
4．9．5訓練結果比較．253
