书籍封面
书籍目录
封面
数字版权声明
作译者简介
扉页
版权页
版权声明
前言
致谢
目录
第1章 深度学习入门
1.1 机器学习简介
1.1.1 监督学习
1.1.2 无监督学习
1.1.3 强化学习
1.2 深度学习定义
1.2.1 人脑的工作机制
1.2.2 深度学习历史
1.2.3 应用领域
1.3 神经网络
1.3.1 生物神经元
1.3.2 人工神经元
1.4 人工神经网络的学习方式
1.4.1 反向传播算法
1.4.2 权重优化
1.4.3 随机梯度下降法
1.5 神经网络架构
1.5.1 多层感知器
1.5.2 DNN架构
1.5.3 卷积神经网络
1.5.4 受限玻尔兹曼机
1.6 自编码器
1.7 循环神经网络
1.8 几种深度学习框架对比
1.9 小结
第2章 TensorFlow初探
2.1 总览
2.1.1 TensorFlow 1.x版本特性
2.1.2 使用上的改进
2.1.3 TensorFlow安装与入门
2.2 在Linux上安装TensorFlow
为平台选择安装版本
2.3 为TensorFlow启用NVIDIA GPU
2.3.1 第1步：安装NVIDIA CUDA
2.3.2 第2步：安装NVIDIA cuDNN v5.1+
2.3.3 第3步：确定GPU卡的CUDA计算能力为3.0+
2.3.4 第4步：安装libcupti-dev库
2.3.5 第5步：安装Python（或Python 3）
2.3.6 第6步：安装并升级PIP（或PIP3）
2.3.7 第7步：安装TensorFlow
2.4 如何安装TensorFlow
2.4.1 直接使用pip安装
2.4.2 使用virtualenv安装
2.4.3 从源代码安装
2.5 在Windows上安装TensorFlow
2.5.1 在虚拟机上安装TensorFlow
2.5.2 直接安装到Windows
2.6 测试安装是否成功
2.7 计算图
2.8 为何采用计算图
神经网络的计算图表示
2.9 编程模型
2.10 数据模型
2.10.1 阶
2.10.2 形状
2.10.3 数据类型
2.10.4 变量
2.10.5 取回
2.10.6 注入
2.11 TensorBoard
TensorBoard工作方式
2.12 实现一个单输入神经元
2.13 单输入神经元源代码
2.14 迁移到TensorFlow 1.x版本
2.14.1 如何用脚本升级
2.14.2 局限
2.14.3 手动升级代码
2.14.4 变量
2.14.5 汇总函数
2.14.6 简化的数学操作
2.14.7 其他事项
2.15 小结
第3章 用TensorFlow构建前馈神经网络
3.1 前馈神经网络介绍
3.1.1 前馈和反向传播
3.1.2 权重和偏差
3.1.3 传递函数
3.2 手写数字分类
3.3 探究MNIST数据集
3.4 softmax分类器
可视化
3.5 TensorFlow模型的保存和还原
3.5.1 保存模型
3.5.2 还原模型
3.5.3 softmax源代码
3.5.4 softmax启动器源代码
3.6 实现一个五层神经网络
3.6.1 可视化
3.6.2 五层神经网络源代码
3.7 ReLU分类器
3.8 可视化
ReLU 分类器源代码
3.9 dropout优化
3.10 可视化
dropout 优化源代码
3.11 小结
第4章 TensorFlow与卷积神经网络
4.1 CNN简介
4.2 CNN架构
一个CNN模型——LeNet
4.3 构建你的第一个CNN
手写分类器源代码
4.4 CNN表情识别
4.4.1 表情分类器源代码
4.4.2 使用自己的图像测试模型
4.4.3 源代码
4.5 小结
第5章 优化TensorFlow自编码器
5.1 自编码器简介
5.2 实现一个自编码器
自编码器源代码
5.3 增强自编码器的鲁棒性
5.4 构建去噪自编码器
去噪自编码器源代码
5.5 卷积自编码器
5.5.1 编码器
5.5.2 解码器
5.5.3 卷积自编码器源代码
5.6 小结
第6章 循环神经网络
6.1 RNN的基本概念
6.2 RNN的工作机制
6.3 RNN的展开
6.4 梯度消失问题
6.5 LSTM网络
6.6 RNN图像分类器
RNN 图像分类器源代码
6.7 双向RNN
双向RNN源代码
6.8 文本预测
6.8.1 数据集
6.8.2 困惑度
6.8.3 PTB模型
6.8.4 运行例程
6.9 小结
第7章 GPU计算
7.1 GPGPU计算
7.2 GPGPU的历史
7.3 CUDA架构
7.4 GPU编程模型
7.5 TensorFlow中GPU的设置
更新TensorFlow
7.6 TensorFlow的GPU管理
程序示例
7.7 GPU内存管理
7.8 在多GPU系统上分配单个GPU
带有软放置的GPU源代码
7.9 使用多个GPU
多GPU管理源代码
7.10 小结
第8章 TensorFlow高级编程
8.1 Keras简介
安装
8.2 构建深度学习模型
8.3 影评的情感分类
Keras电影分类器源代码
8.4 添加一个卷积层
含有卷积层的电影分类器源代码
8.5 Pretty Tensor
层的链接
8.6 数字分类器
数字分类器源代码
8.7 TFLearn
安装TFLearn
8.8 泰坦尼克号幸存者预测器
泰坦尼克分类器源代码
8.9 小结
第9章 TensorFlow高级多媒体编程
9.1 多媒体分析简介
9.2 基于深度学习的大型对象检测
9.2.1 瓶颈层
9.2.2 使用重训练的模型
9.3 加速线性代数
9.3.1 TensorFlow的核心优势
9.3.2 加速线性代数的准时编译
9.4 TensorFlow和Keras
9.4.1 Keras简介
9.4.2 拥有Keras的好处
9.4.3 视频问答系统
9.5 Android上的深度学习
9.5.1 TensorFlow演示程序
9.5.2 Android入门
9.6 小结
第10章 强化学习
10.1 强化学习基本概念
10.2 Q-learning算法
10.3 OpenAI Gym框架简介
10.4 FrozenLake-v0实现问题
FrozenLake-v0问题源代码
10.5 使用TensorFlow实现Q-learning
Q-learning神经网络源代码
10.6 小结
连接图灵
看完了
没有回复内容