✍ Scribed by 杨云; 杜飞
No coin nor oath required. For personal study only.
深度学习为人工智能带来了巨大突破，也成为机器学习领域一颗闪耀的新星。虽然相关学习资料丰富，但大部分内容较为庞杂且难以理解，并对初学者的相关理论知识与实践能力有较高的要求，这使得大部分想进入这一领域的初学者望而却步。《深度学习实战》去繁化简地对深度学习的理论知识进行了梳理，并对算法实现做出了浅显易懂的讲解，适合初学者进行学习。结合《深度学习实战》的内容，读者可以快速对深度学习进行实践。通过启发式的自学模式，可以使读者由浅入深地学习并掌握常用的深度学习模型，为进一步使用开源的深度学习平台与工具提供理论与实践基础。
《深度学习实战》可作为高等院校计算机专业的本科生或研究生教材，也可供对深度学习感兴趣的研究人员和工程技术人员阅读参考。
封面
扉页
内容简介
版权页
前言
目录
第1章 深度学习的发展介绍
1.1 如何阅读本书
1.2 深度学习沉浮史
1.3 Python简易教程
1.4 参考文献
第2章 机器学习快速入门
2.1 学习算法
2.2 代价函数
2.3 梯度下降法
2.4 过拟合与欠拟合
2.5 超参数与验证集
2.6 Softmax编码实战
2.7 参考代码
2.8 参考文献
第3章 前馈神经网络
3.1 神经元
3.2 前馈神经网络
3.3 BP算法
3.4 深度学习编码实战上
3.5 参考代码
3.6 参考文献
第4章 深度学习正则化
4.1 参数范数惩罚
4.2 参数绑定与参数共享
4.3 噪声注入与数据扩充
4.4 稀疏表征
4.5 早停
4.6 Dropout
4.7 深度学习编码实战中
4.8 参考代码
4.9 参考文献
第5章 深度学习优化
5.1 神经网络优化困难
5.2 随机梯度下降
5.3 动量学习法
5.4 AdaGrad和RMSProp
5.5 Adam
5.6 参数初始化策略
5.7 批量归一化
5.8 深度学习编码实战下
5.9 参考代码
5.10 参考文献
第6章 卷积神经网络
6.1 卷积操作
6.2 卷积的意义
6.3 池化操作
6.4 设计卷积神经网络
6.5 卷积网络编码练习
6.6 参考代码
6.7 参考文献
第7章 循环神经网络
7.1 循环神经网络
7.2 循环神经网络设计
7.3 门控循环神经网络
7.4 RNN编程练习
7.5 LSTM编程练习
7.6 参考代码
7.7 参考文献
第8章 TensorFlow快速入门
8.1 TensorFlow介绍
8.2 TensorFlow 1.0安装指南
8.3 TensorFlow基础
8.4 TensorFlow构造CNN
8.5 TensorBoard快速入门
正文结束
📜 SIMILAR VOLUMES
<p>在现今的互联网公司中，产品线绵延复杂，安全防御体系无时无刻不在应对新的挑战。哪怕是拥有丰富工作经验的安全从业者，在面对层出不穷的攻击手段和海量日志数据时也会望洋兴叹。机器学习、深度学习是这些问题天然契合的解决方案，在数据量以指数级不断增长的未来，甚至有可能是唯一的出路。当AI遇到安全时，如何快速进化，本书给出了实战方案。 本书是《Web安全之机器学习入门》之后又一作品。本书首先介绍如何打造自己的深度学习工具箱，包括TensorFlow、TFLearn等深度学习库的安装以及使用方法。接着介绍卷积神经网络和循环神经网络这两大深度学习算法的基础知识。特别着重介绍在生产环境搭建深度学习平台需
<p>在现今的互联网公司中，产品线绵延复杂，安全防御体系无时无刻不在应对新的挑战。哪怕是拥有丰富工作经验的安全从业者，在面对层出不穷的攻击手段和海量日志数据时也会望洋兴叹。机器学习、深度学习是这些问题天然契合的解决方案，在数据量以指数级不断增长的未来，甚至有可能是唯一的出路。当AI遇到安全时，如何快速进化，本书给出了实战方案。 本书是《Web安全之机器学习入门》之后又一作品。本书首先介绍如何打造自己的深度学习工具箱，包括TensorFlow、TFLearn等深度学习库的安装以及使用方法。接着介绍卷积神经网络和循环神经网络这两大深度学习算法的基础知识。特别着重介绍在生产环境搭建深度学习平台需
<p>在现今的互联网公司中，产品线绵延复杂，安全防御体系无时无刻不在应对新的挑战。哪怕是拥有丰富工作经验的安全从业者，在面对层出不穷的攻击手段和海量日志数据时也会望洋兴叹。机器学习、深度学习是这些问题天然契合的解决方案，在数据量以指数级不断增长的未来，甚至有可能是唯一的出路。当AI遇到安全时，如何快速进化，本书给出了实战方案。 本书是《Web安全之机器学习入门》之后又一作品。本书首先介绍如何打造自己的深度学习工具箱，包括TensorFlow、TFLearn等深度学习库的安装以及使用方法。接着介绍卷积神经网络和循环神经网络这两大深度学习算法的基础知识。特别着重介绍在生产环境搭建深度学习平台需
<p>深度学习是目前人工智能研究中前沿、有效的一项技术，主要通过构建深度神经网络解决视觉、自然语言处理、语音识别等诸多领域的问题。百度在2016 年发布了国内首个开源深度学习框架PaddlePaddle，简化了深度学习算法的实现步骤，提供了灵活、易用的接口，同时支持分布式训练。</p> <p>《PaddlePaddle与深度学习应用实战》由简单的例子引入深度学习和PaddlePaddle 框架，介绍了PaddlePaddle 的安装、测试与基本使用，并结合PaddlePaddle 接口介绍深度学习的基础知识，包括常用的神经网络和算法。最后，通过一系列深度学习项目实例介绍PaddlePaddl
<p>TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《Tensorflow实战》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以最快、最有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow实战》包含了深度学习的入门知识和大量实践经验，是走进这个最新、最火的人工智能领域的首选参考书。</p>
<p>计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向，《深度学习之PyTorch实战计算机视觉》旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python 编程技能，掌握PyTorch 的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。在掌握深度学习理论和编程技能之后，读者还会学到如何基于PyTorch 深度学习框架实战计算机视觉。《深度学习之PyTorch实战计算机视觉》中的大量实例可让读者在循序渐进地学习的同时，不断地获得成就