| | | | Keras深度學 計算機與互聯網 (意)安東尼奧·古利(Antonio Gulli) | | 該商品所屬分類：圖書 -> ε | | 【市場價】 | 441-640元 | | 【優惠價】 | 276-400元 | | 【出版社】 | 人民郵電出版社 | | 【ISBN】 | 9787115482228 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
出版社：人民郵電出版社 ISBN：9787115482228 商品編碼：70853209365 開本：16開 出版時間：2018-07-01 代碼：59
"| 商品基本信息，請以下列介紹為準 | | 商品名稱： | Keras深度學 | | 作者： | (意)安東尼奧·古利(Antonio Gulli)，(印)蘇伊特·帕爾(Sujit Pl)著 | | 代碼： | 59.0 | | 出版社： | 人民郵電出版社 | | 出版日期： | 2018-07-01 | | ISBN： | 9787115482228 | | 印次： | | | 版次： | | | 裝幀： | | | 開本： | 16開 |
| 內容簡介 | | 作為一kuan輕量級、模塊化的開源深度學，Keras以容易上手、利於快速原型實現、能夠與TensorFlow和Theano等後端計臺很好兼容等優點，深受眾多開發人員和研究人員的喜愛。 本書結合大量實例，簡明扼要地介紹了目前熱門的神經網絡技術和深度學。從經典的多層感知機到用於圖像處理的深度卷積網絡，從處理序列化數據的循環網絡到偽造仿真數據的生成對抗網絡，從詞嵌入到AI遊戲應用中的強化學書引ling讀者一層一層揭開深度學紗，並在逐漸清晰的理論框架下，提供多個Python編碼實例，方便讀者動手實踐。 通過閱讀本書，讀者不僅能學會使用Keras快捷構建各個類型的深度網絡，還可以按需自定義網絡層和能，從而提升自己的AI編程能力，在成為深度學的路上一步。 |
| 目錄 | 第 1章 神經網絡基礎1
1.1感知機2
第 一個Keras代碼示例3
1.2多層感知機—第 一個神經網絡的示例3
1.2.1感知機訓練方案中的問題4
1.2.2激活函數—sigmoid5
1.2.3激活函數—ReLU5
1.2.4激活函數6
1.3實例—手寫數字識別6
1.3.1One-hot編碼—OHE7
1.3.2用Keras定義簡單神經網絡7
1.3.3運行一個簡單的Keras網絡並創建基線10
1.3.4用隱藏層簡單網絡11
1.3.5用dropou一步簡單網絡14
1.3.6Keras中的不同優化器測試16
1.3.7增加訓練輪數20
1.3.8控制優化器的學20
1.3.9增加內部隱的數量21
1.3.10增加批處理的大小22
1.3.11識別手寫數字的實驗總結22
1.3.12采用正則化方法避免過擬合22
1.3.13超參數調優24
1.3.14輸出預測24
1.4一種實用的反向傳播概述25
1.5走向深度學26
1.6小結27
第2章 Keras安裝和API28
2.1安裝Keras28
2.1.1第 1步—安裝依賴項28
2.1.2第 2步—安裝Theano29
2.1.3第3步—安裝TensorFlow29
2.1.4第4步—安裝Keras30
2.1.5第5步—測試Theano、TensorFlow和Keras30
2.2配置Keras31
2.3在Docker上安裝Keras32
2.4在谷歌Cloud ML上安裝Keras34
2.5在AWS上安裝Keras36
2.6在微軟Azure上安裝Keras37
2.7Keras API39
2.7.1從Keras架構開始40
2.7.2預定義神經網絡層概述40
2.7.3預定義激活函數概述43
2.7.4損失函數概述44
2.7.5評估函數概述44
2.7.6優化器概述44
2.7.7一些有用的作44
2.7.8保存和加載權重及模型結構45
2.8自定義訓練過程的回調函數45
2.8.1檢查點設置45
2.8.2使用TensorBoard47
2.8.3使用Quiver47
2.9小結48
第3章深度學積網絡49
3.1深度卷積神經網絡—DCNN50
3.1.1局部感受野50
3.1.2共享權重和偏置51
3.1.3池化層51
3.2DCNN示例—LeNet52
3.2.1用Keras構建LeNet代碼53
3.2.2深度學領59
3.3用深度學識別CIFAR-10圖像60
3.3.1用深度學CIFAR-10的性能64
3.3.2通過數據增加改善CIFAR-10的性能66
3.3.3用CIFAR-1行預測68
3.4用於大型圖片識別的卷積網絡69
3.4.1用VGG-16網絡識別貓71
3.4.2使用Keras內置的VGG-16網絡模塊72
3.4.3為特征提取回收內置深度學73
3.4.4用於遷移學深inception-v3網絡74
3.5小結76
第4章生成對抗網絡和WaveNet78
4.1什麼是生成對抗網絡78
生成對抗網絡的一些應用80
4.2深度卷積生成對抗網絡82
4.3用Keras adversarial生成MNIST數據85
4.4用Keras adversarial生成CIFAR數據91
4.5WaveNet—一個學產生音頻的生成模型99
4.6小結108
第5章詞嵌入109
5.1分布式表示110
5.2word2vec110
5.2.1skip-gram word2vec模型111
5.2.2CBOW word2vec模型114
5.2.3從模型中提取word2vec向量116
5.2.4使用word2vec的第三方實現117
5.3探索GloVe121
5.4使用預訓練好的詞向量122
5.4.1從頭開始學量123
5.4.2從word2vec中微調訓練好的詞向量127
5.4.3從GloVe中微調訓練好的詞向量131
5.4.4查找詞向量132
5.5小結136
第6章循環神經網絡—RNN137
6.1SimpleR138
用Keras實現SimpleRNN—生成文本139
6.2RNN拓撲結構143
6.3梯度消失和梯度爆炸145
6.4長短期記憶網絡—LSTM146
用Keras實現LSTM—情感分析148
6.5門控—GRU153
用Keras實現GRU—詞性標注154
6.6雙向RNN160
6.7有狀態RNN161
用Keras實現有狀態LSTM—電量消費預測161
6.8其他RNN變體167
6.9小結167
第7章其他深度學169
7.1Keras函數API170
7.2回歸網絡172
Keras回歸示例—預測空氣中的苯含量172
7.3無監督學動編碼器176
Keras自動編碼器示例—句向量178
7.4構造深度網絡185
Keras示例—問答記憶網絡185
7.5自定義Keras192
7.5.1Keras示例—使用lambda層193
7.5.2Keras示例—自定義歸一化層193
7.6生成模型196
7.6.1Keras示例—Deep Dreaming197
7.6.2Keras示例—風格轉換204
7.7小結208
第8章遊戲中的AI210
8.1強化學11
8.1.1a化未來獎賞212
8.1.2Q學12
8.1.3深度Q網絡作為Q函數213
8.1.4探索和利用衡214
8.1.5經驗回放，或經驗值215
8.2示例—用Keras深度Q網絡實現捕捉遊戲215
8.3未來之路226
8.4小結228
第9章結束語229
9.1Keras 2.0—新特性230
9.1.1安裝Keras 2.0230
9.1.2API的變化231
|
| 編輯推薦 | | 本書為軟件工程師和數據科學家而編寫，書中簡明而全面地介紹了目前的神經網絡和深度學。全書展示了基於Keras框架、以Python編碼的20多種有效的神經網絡。 你將從本書中學到以下內容： 在大型神經網絡上使用反向傳播算法逐步優化函數 微調神經網絡以結果質量 使用深度學行圖像和音頻處理 在特定的案例中使用遞歸神經張量網絡（RNTN）以取得比標準詞嵌入更好的效果 識別循環神經網絡（RNN）適於解決的問題 探索自動編碼機的實現過程 使用強化學深層神經網絡 全書通俗易懂，強調實際案例，適合廣大的機器學者和愛好者入門與實踐。 |
| 媒體評論 | | 繞開晦澀的理論和艱深的數學邏輯，你可以像搭建樂高積木一樣搭建自己的深度學，是不是很神奇呢？這就是Keras框架帶給我們的樂趣。而本書作為一本展現諸多實現細節的指導書，定會成為你桌頭案邊的親密伙伴。 ——雲從科技副總裁 張立 Keras是深度學受歡迎的框架之一。譯者李?P一直在集智俱樂部參與學術文章的翻譯工作。本書的出版對有志於了解、學學者來說是一個好的消息。 ——北京師範大學繫統科學學院教授，博士生導師，集智俱樂部、AI學園創始人，騰訊研究院、阿裡研究院、網 |
" | | |
| | | | |
|
