●第1章 深度學習的發展歷程
1.1 深度學習概述
1.1.1 人工智能與機器學習
1.1.2 深度學習
1.2 深度學習的應用
1.2.1 圖像識別
1.2.2 圖像生成
1.2.3 異常檢測
1.2.4 自然語言處理
1.2.5 強化學習
1.2.6 其他應用案例
1.3 本書所涉及的技術
1.3.1 RNN
1.3.2 生成模型
第2章 學習前的準備
2.1 Anaconda環境的搭建
2.1.1 Anaconda的下載
2.1.2 Anaconda的安裝
2.1.3 Jupyter Notebook的啟動
2.1.4 Jupyter Notebook的使用方法
2.1.5 Jupyter Notebook的關閉
2.2 Google Colaboratory的使用方法
2.2.1 Google Colaboratory的準備
2.2.2 Colab Notebook的使用方法
2.2.3 GPU的使用方法
2.2.4 文件的管理
2.3 Python基礎
2.3.1 變量與類型
2.3.2 運算符
2.3.3 列表
2.3.組
2.3.5 字典
2.3.6 if語句
2.3.7 for語句
2.3.8 函數
2.3.9 變量的作用域
2.3.10 類
2.4 NumPy與matplotlib
2.4.1 模塊的導入
2.4.2 NumPy數組
2.4.3 生成數組的各種函數
2.4.4 基於reshape的形狀變換
2.4.5 數組運算
2.4.6 素
2.4.7 圖表的繪制
2.4.8 圖像的顯示
2.5 基礎的數學知識
2.5.1 向量
2.5.2 矩陣
2.5.素項的乘積
2.5.4 矩陣乘法
2.5.5 矩陣的轉置
2.5.5 微分
2.5.7 連鎖律
2.5.8 偏微分
2.5.9 連鎖律的擴展
……
第3章 深度學習的基礎知識
第4章 RNN
第5章 LSTM
第6章 GRU
第7章 VAE
第8章 GAN
第9章 進階準備
附錄A
參考文獻
後記
《寫給新手的深度學習2——用Python實現的循環神經網絡RNN和VAE、GAN》一書以Python為基礎,不借助TensorFlow、PyTorch等任何框架,以淺顯易懂的語言對循環神經網絡RNN及生成模型中的VAE、GAN的構建方法進行了詳細解說。其中在前3章對深度學習和Python編程及數學的相關知識進行了簡要概括,然後依次介紹了RNN、LSTM、GRU、VAE、GAN的工作原理及編程實現,這也是本書的主要內容,最後一章作為進階準備,介紹了很優化算法、機器學習的一些技巧以及幾種便於開發、試錯的數據集。通過本書,讀者可以從根本上理解深度學習技術的本質和相關算法原理,能夠構建簡單的深度學習模型,特別適合作為零基礎讀者學習深度學習技術的入門書,也適合作為高校人工智能相關專業的教材和參考書。