Keras深度學習實戰(zhàn)

定　價：￥69.00

作　者：	[印度] 拉蒂普·杜瓦（Rajdeep Dua）著
出版社：	機械工業(yè)出版社
叢編項：	智能系統(tǒng)與技術叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥69.00)

ISBN：	9787111626275	出版時間：	2019-06-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　第1章介紹了Keras的安裝和設置過程以及如何配置Keras。第2章介紹了使用CIFAR-10、CIFAR-100或MNIST等數(shù)據(jù)集，以及用于圖像分類的其他數(shù)據(jù)集和模型。第3章介紹了使用Keras的各種預處理和優(yōu)化技術，優(yōu)化技術包括TFOptimizer、AdaDelta等。第4章詳細描述了不同的Keras層，包括遞歸層和卷積層等。第5章通過宮頸癌分類和數(shù)字識別數(shù)據(jù)集的實例，詳細解釋如何使用卷積神經(jīng)網(wǎng)絡算法。第6章包括基本的生成式對抗網(wǎng)絡（GAN）和邊界搜索GAN。第7章涵蓋了遞歸神經(jīng)網(wǎng)絡的基礎，以便實現(xiàn)基于歷史數(shù)據(jù)集的Keras。第8 章包括使用Keras進行單詞分析和情感分析的NLP基礎知識。第9章展示了如何在評論數(shù)據(jù)集中使用Keras模型進行文本概述。第10章側(cè)重于使用Keras設計和開發(fā)強化學習模型。

作者簡介

　　拉蒂普？杜瓦（Rajdeep Dua）在云計算和大數(shù)據(jù)領域擁有超過18年的經(jīng)驗。他曾在IIIT Hyderabad、ISB、IIIT Delhi和Pune College of Engineering等印度一些久負盛名的科技大學教授Spark和大數(shù)據(jù)。他目前是Salesforce印度分公司開發(fā)人員團隊的負責人，曾在海德拉巴舉行的W3C會議上展示BigQuery和Google App Engine，并領導過Google、VMware和Microsoft的開發(fā)團隊，在云計算相關的數(shù)百個會議上發(fā)表過演講。曼普里特？辛格？古特（Manpreet Singh Ghotra）在企業(yè)軟件和大數(shù)據(jù)軟件的開發(fā)領域擁有超過15年的經(jīng)驗。他目前在Salesforce使用Keras、Apache Spark和TensorFlow等開源庫和框架從事機器學習平臺/API的開發(fā)。他曾涉足過多個機器學習系統(tǒng)領域，包括情感分析、垃圾郵件檢測和異常檢測。此外，他還曾是在線零售商之一的機器學習團隊的成員，使用Apache Mahout計算轉(zhuǎn)運時間、開發(fā)推薦系統(tǒng)。

圖書目錄

譯者序
審校者簡介
前言
第1章　Keras安裝 1
1.1　引言 1
1.2　在Ubuntu 16.04上安裝Keras 1
1.2.1　準備工作 2
1.2.2　怎么做 2
1.3　在Docker鏡像中使用Jupyter Notebook安裝Keras 7
1.3.1　準備工作 7
1.3.2　怎么做 7
1.4　在已激活GPU的Ubuntu 16.04上安裝Keras 9
1.4.1　準備工作 9
1.4.2　怎么做 10
第2章　Keras數(shù)據(jù)集和模型 13
2.1　引言 13
2.2　CIFAR-10數(shù)據(jù)集 13
2.3　CIFAR-100數(shù)據(jù)集 15
2.4　MNIST數(shù)據(jù)集 17
2.5　從CSV文件加載數(shù)據(jù) 18
2.6　Keras模型入門 19
2.6.1　模型的剖析 19
2.6.2　模型類型 19
2.7　序貫模型 20
2.8　共享層模型 27
2.8.1　共享輸入層簡介 27
2.8.2　怎么做 27
2.9　Keras函數(shù)API 29
2.9.1　怎么做 29
2.9.2　示例的輸出 31
2.10　Keras函數(shù)API——鏈接層 31
2.11　使用Keras函數(shù)API進行圖像分類 32
第3章　數(shù)據(jù)預處理、優(yōu)化和可視化 36
3.1　圖像數(shù)據(jù)特征標準化 36
3.1.1　準備工作 36
3.1.2　怎么做 37
3.2　序列填充 39
3.2.1　準備工作 39
3.2.2　怎么做 39
3.3　模型可視化 41
3.3.1　準備工作 41
3.3.2　怎么做 41
3.4　優(yōu)化 43
3.5　示例通用代碼 43
3.6　隨機梯度下降優(yōu)化法 44
3.6.1　準備工作 44
3.6.2　怎么做 44
3.7　Adam優(yōu)化算法 47
3.7.1　準備工作 47
3.7.2　怎么做 47
3.8　AdaDelta優(yōu)化算法 50
3.8.1　準備工作 51
3.8.2　怎么做 51
3.9　使用RMSProp進行優(yōu)化 54
3.9.1　準備工作 54
3.9.2　怎么做 54
第4章　使用不同的Keras層實現(xiàn)分類 58
4.1　引言 58
4.2　乳腺癌分類 58
4.3　垃圾信息檢測分類 66
第5章　卷積神經(jīng)網(wǎng)絡的實現(xiàn) 73
5.1　引言 73
5.2　宮頸癌分類 73
5.2.1　準備工作 74
5.2.2　怎么做 74
5.3　數(shù)字識別 84
5.3.1　準備工作 84
5.3.2　怎么做 85
第6章　生成式對抗網(wǎng)絡 89
6.1　引言 89
6.2　基本的生成式對抗網(wǎng)絡 90
6.2.1　準備工作 91
6.2.2　怎么做 91
6.3　邊界搜索生成式對抗網(wǎng)絡 98
6.3.1　準備工作 99
6.3.2　怎么做 100
6.4　深度卷積生成式對抗網(wǎng)絡 106
6.4.1　準備工作 107
6.4.2　怎么做 108
第7章　遞歸神經(jīng)網(wǎng)絡 116
7.1　引言 116
7.2　用于時間序列數(shù)據(jù)的簡單RNN 117
7.2.1　準備工作 118
7.2.2　怎么做 119
7.3　時間序列數(shù)據(jù)的LSTM網(wǎng)絡 128
7.3.1　LSTM網(wǎng)絡 128
7.3.2　LSTM記憶示例 129
7.3.3　準備工作 129
7.3.4　怎么做 129
7.4　使用LSTM進行時間序列預測 133
7.4.1　準備工作 134
7.4.2　怎么做 135
7.5　基于LSTM的等長輸出序列到序列學習 143
7.5.1　準備工作 143
7.5.2　怎么做 144
第8章　使用Keras模型進行自然語言處理 150
8.1　引言 150
8.2　詞嵌入 150
8.2.1　準備工作 151
8.2.2　怎么做 151
8.3　情感分析 157
8.3.1　準備工作 157
8.3.2　怎么做 159
8.3.3　完整代碼清單 162
第9章　基于Keras模型的文本摘要 164
9.1　引言 164
9.2　評論的文本摘要 164
9.2.1　怎么做 165
9.2.2　參考資料 172
第10章　強化學習 173
10.1　引言 173
10.2　使用Keras進行《CartPole》游戲 174
10.3　使用競爭DQN算法進行《CartPole》游戲 181
10.3.1　準備工作 183
10.3.2　怎么做 187