ISBN編號：9787111622765

書名：Python深度學習實戰-基於TensorFlow和Keras的聊天機器人以及人臉、物體和語音識別 Python深度學習實戰-基於TensorFlow和Keras的聊天機器人以及人臉

作者：納溫·庫馬爾·馬納西

作者地區：其他

代碼：69

是否是套裝：否

出版社名稱：機械工業出版社

●序
章TensorFlow基礎1
1.1張量2
1.2計算圖與會話2
1.3常量、占位符與變量4
1.4占位符6
1.5創建張量8
1.5.1固定張量9
1.5.2序列張量11
1.5.3隨機張量11
1.6矩陣操作12
1.7激活函數13
1.7.1雙曲正切函數與Sigmoid函數13
1.7.2ReLU與ELU15
1.7.3ReLU615
1.8損失函數17
1.8.1損失函數實例18
1.8.2常用的損失函數18
1.9優化器19
1.9.1優化器實例20
1.9.2常用的優化器21
1.10度量21
??1.10.1度量實例22
??1.10.2常用的度量22
第2章理解並運用Keras25
2.1深度學習模型構建的主要步驟25
2.1.1載入數據26
2.1.2預處理數據27
2.1.3定義模型27
2.1.4編譯模型29
2.1.5擬合模型29
2.1.6評估模型30
2.1.7預測30
2.1.8保存與重載模型31
2.1.9可選：總結模型31
2.2改進Keras模型的附加步驟32
2.3Keras聯合TensorFlow33
第3章多層感知機35
3.1人工神經網絡35
3.2單層感知機37
3.3多層感知機37
3.4邏輯斯諦回歸模型38
第4章TensorFlow中的回歸到MLP45
4.1TensorFlow搭建模型的步驟45
4.2TensorFlow中的線性回歸46
4.3邏輯斯諦回歸模型49
4.4TensorFlow中的多層感知機52
第5章Keras中的回歸到MLP55
5.1對數-線性模型55
5.2線性回歸的Keras神經網絡56
5.3邏輯斯諦回歸58
5.3.1scikit-learn邏輯斯諦回歸58
5.3.2邏輯斯諦回歸的Keras神經網絡59
5.3.3流行的MNIST數據：Keras中的邏輯斯諦回歸60
5.4基於Iris數據的MLP62
5.4.1編寫代碼62
5.4.2構建一個序列Keras模型63
5.5基於MNIST數據的MLP數字分類66
5.6基於隨機生成數據的MLP68
第6章卷積神經網絡71
6.1CNN中的各種層71
6.2CNN結構74
第7章TensorFlow中的CNN77
7.1為什麼用TensorFlow搭建CNN模型77
7.2基於MNIST數據集搭建圖片分類器的TensorFlow代碼78
7.3使用不錯API搭建CNN模型82
第8章Keras中的CNN83
8.1在Keras中使用MNIST數據集搭建圖片分類器83
8.1.1定義網絡結構85
8.1.2定義模型架構85
8.2使用CIFAR-10數據集搭建圖片分類器86
8.2.1定義網絡結構87
8.2.2定義模型架構88
8.3預訓練模型89
第9章RNN與LSTM91
9.1循環神經網絡的概念91
9.2長短時記憶網絡的概念93
9.3LSTM常見模式93
9.4序列預測94
9.4.1數字序列預測94
9.4.2序列分類95
9.4.3序列生成95
9.4.4序列到序列預測95
9.5利用LSTM模型處理時間序列預測問題96
0章語音-文本轉換及其逆過程101
10.1語音-文本轉換101
10.2語音數據102
10.3語音特征：將語音映射為矩陣103
10.4聲譜圖：將語音映射為圖像104
10.5利用MFCC特征構建語音識別分類器104
10.6利用聲譜圖構建語音識別分類器105
10.7開源方法106
10.8使用API的例子107
10.8.1使用PocketSphinx107
10.8.2使用GoogleSpeechAPI108
10.8.3使用GoogleCloudSpeechAPI108
10.8.4使用Wit.aiAPI108
10.8.5使用HoundifyAPI109
10.8.6使用IBMSpeechtoTextAPI109
10.8.7使用BingVoiceRecognitionAPI110
10.9文本-語音轉換110
10.9.1使用pyttsx110
10.9.2使用SAPI111
10.9.3使用SpeechLib111
10.10音頻剪輯代碼111
10.11認知服務提供商112
10.11.1MicrosoftAzure113
10.11.2AmazonCognitiveServices113
10.11.3IBMWatsonServices113
10.12語音分析的未來113
1章創建聊天機器人115
11.1為什麼是聊天機器人116
11.2聊天機器人的設計和功能116
11.3構建聊天機器人的步驟116
11.3.1預處理文本和消息117
11.3.2用API構建聊天機器人130
11.4聊天機器人開發的最佳實踐133
11.4.1了解潛在用戶133
11.4.2讀入用戶情感使得機器人情感更豐富133
2章人臉檢測與識別135
12.1人臉檢測、人臉識別與人臉分析135
12.2OpenCV136
12.2.1特征臉137
12.2.2LBPH137
12.2.3費歇臉138
12.3檢測人臉139
12.4跟蹤人臉141
12.5人臉識別144
12.6基於深度學習的人臉識別147
12.7遷移學習149
12.7.1為什麼要用遷移學習150
12.7.2遷移學習實例150
12.7.3計算遷移值152
12.8API158
附錄1圖像處理的Keras函數161
附錄2可用的優質圖像數據集165
附錄3醫學成像：DICOM文件格式167