TensorFlow深度学习(2)—免费深度学习中文书推荐《TensorFlow深度学习》

        《TensorFlow深度学习》是龙龙老师(新加坡国立大学老师)在2019年10月份在GitHub开源的一本中文教程,基于最新的TensorFlow2.0进行算法和实际案例讲解。近几个月趁工作之余学习了该书,从神经网络的发展到最新的论文算法,结合TensorFlow2点源代码讲解,由浅入深,通俗易懂。非常适合IT从业人员学习,以下是此书的目录。 

(1)第1-3部分讲解了人工智能的基本概念的问题,如果有该基础的读者可以略过该部分;

(2)第4、5部分讲解了TensorFlow的基本概念(如数据类型、张量等)以及常见的张量计算函数,该章节也是本书后续的基础,后面许多算法都会基于张量的计算来说明计算,这对算法的理解非常有帮助。

(3)第6、7、8部分讲解了神经网络和反向传播算法的原理,从张量计算和Keras高层接口都进行了网络的搭建,同时通过ImageNet图集识别的案例进行了实际代码讲解。

(4)第9部分讲解了如果解决过拟合的问题,以提高模型实际运用效果。

(5)第10部分讲解了通过卷积神经网络来降低神经网络全连接的参数量,提高网络层数,同时也介绍了能提高深层模型训练稳定性的深度残差网络 (如ResNet18),最后也使用了CIFAR10 图片数据进行了识别应用。

(6)第11部分讲解了循环神经网络(RNN)对有时间序列的信号(如文本)等进行处理, 同时也介绍了基于RNN算法演进的LSTM和GRU算法,并对这3种算法都进行了情感分类问题都实际代码讲解。

(7)第12和13部分讲解了自编码器及生成对抗网络,同时对生成对抗网络(GAN)的多种演化算法进行了介绍,通过GAN,可以学习图片风格并自动学习生成图片,目前的换脸技术也是基于GAN演化而来。

(8)第14章讲解了强化学习,通过与环境交互学习到良好策略,Google的alphaGo也是使用强化学习进行了围棋的训练并成功战胜了人类。这部分中讲解了主流的DQN和Asynchronous Advantage Actor-Critic算法,并使用GYM平台的平衡杆游戏进行了算法的实际操作。

        整本书从数学原理到代码实操,可以帮助大家快速学习常见的深度学习算法。但由于篇幅有限,各部分还有许多内容大家可以基于本书的学习再继续深入。本书也是我目前见过的最好的深度学习书籍。因此非常推荐给大家。

        获得本书的可扫码关注公众号 “炼数士” 并后台回复 “TF深度学习” 获取。


https://www.jianshu.com/p/643f1aac044a

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论