分享《深度学习:基于Keras的Python实践(魏贞原)》高清中文版PDF免费下载 – Python量化投资
0°

分享《深度学习:基于Keras的Python实践(魏贞原)》高清中文版PDF免费下载

下载链接:

百度网盘下载   提取码:djp1

百度网盘下载   提取码:dwp5


《深度学习:基于Keras的Python实践》本书系统讲解了深度学习的基本知识,以及使用深度学习解决实际问题,详细介绍了如何构建及优化模型,并针对不同的问题给出不同的解决方案,通过不同的例子展示了在具体项目中的应用和实践经验,是一本非常好的深度学习的入门和实践书籍。

《深度学习:基于Keras的Python实践》以实践为导向,使用Keras 作为编程框架,强调简单、快速地上手建立模型,解决实际项目问题。读者可以通过学习本书,迅速上手实践深度学习,并利用深度学习解决实际问题。

《深度学习:基于Keras的Python实践》非常适合于项目经理,有意从事机器学习开发的程序员,以及高校在读相关专业的学生。

目录

第一部分 初识

1 初识深度学习/2

1.1 Python的深度学习/2

1.2 软件环境和基本要求/3

1.2.1 Python和SciPy/3

1.2.2 机器学习/3

1.2.3 深度学习/4

1.3 阅读本书的收获/4

1.4 本书说明/4

1.5 本书中的代码/5

2 深度学习生态圈/6

2.1 CNTK/6

2.1.1 安装CNTK/7

2.1.2 CNTK的简单例子/8

2.2 TensorFlow/8

2.2.1 TensorFlow介绍/8

2.2.2 安装TensorFlow/9

2.2.3 TensorFlow的简单例子/9

2.3 Keras/10

2.3.1 Keras简介/11

2.3.2 Keras安装/11

2.3.3 配置Keras的后端/11

2.3.4 使用Keras构建深度学习模型/12

2.4 云端GPUs计算/13

第二部分 多层感知器

3 第一个多层感知器实例:印第安人糖尿病诊断/16

3.1 概述/16

3.2 Pima Indians数据集/17

3.3 导入数据/18

3.4 定义模型/19

3.5 编译模型/20

3.6 训练模型/21

3.7 评估模型/21

3.8 汇总代码/22

4 多层感知器速成/24

4.1 多层感知器/24

4.2 神经元/25

4.2.1 神经元权重/25

4.2.2 激活函数/26

4.3 神经网络/27

4.3.1 输入层(可视层)/28

4.3.2 隐藏层/28

4.3.3 输出层/28

4.4 训练神经网络/29

4.4.1 准备数据/29

4.4.2 随机梯度下降算法/30

4.4.3 权重更新/30

4.4.4 预测新数据/31

5 评估深度学习模型/33

5.1 深度学习模型和评估/33

5.2 自动评估/34

5.3 手动评估/36

5.3.1 手动分离数据集并评估/36

5.3.2 k折交叉验证/37

6 在Keras中使用Scikit-Learn/40

6.1 使用交叉验证评估模型/41

6.2 深度学习模型调参/42

7 多分类实例:鸢尾花分类/49

7.1 问题分析/49

7.2 导入数据/50

7.3 定义神经网络模型/50

7.4 评估模型/52

7.5 汇总代码/52

8 回归问题实例:波士顿房价预测/54

8.1 问题描述/54

8.2 构建基准模型/55

8.3 数据预处理/57

8.4 调参隐藏层和神经元/58

9 二分类实例:银行营销分类/61

9.1 问题描述/61

9.2 数据导入与预处理/62

9.3 构建基准模型/64

9.4 数据格式化/66

9.5 调参网络拓扑图/66

10 多层感知器进阶/68

10.1 JSON序列化模型/68

10.2 YAML序列化模型/74

10.3 模型增量更新/78

10.4 神经网络的检查点/81

10.4.1 检查点跟踪神经网络模型/82

10.4.2 自动保存最优模型/84

10.4.3 从检查点导入模型/86

10.5 模型训练过程可视化/87

11 Dropout与学习率衰减92

11.1 神经网络中的Dropout/92

11.2 在Keras中使用Dropout/93

11.2.1 输入层使用Dropout/94

11.2.2 在隐藏层使用Dropout/95

11.2.3 Dropout的使用技巧/97

11.3 学习率衰减/97

11.3.1 学习率线性衰减/98

11.3.2 学习率指数衰减/100

11.3.3 学习率衰减的使用技巧/103

第三部分 卷积神经网络

12 卷积神经网络速成/106

12.1 卷积层/108

12.1.1 滤波器/108

12.1.2 特征图/109

12.2 池化层/109

12.3 全连接层/109

12.4 卷积神经网络案例/110

13 手写数字识别/112

13.1 问题描述/112

13.2 导入数据/113

13.3 多层感知器模型/114

13.4 简单卷积神经网络/117

13.5 复杂卷积神经网络/120

14 Keras中的图像增强/124

14.1 Keras中的图像增强API/124

14.2 增强前的图像/125

。。。

「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!