Keras深度學(xué)習(xí)實(shí)戰(zhàn)

定　價：￥69.00

作　者：	[印度] 拉蒂普·杜瓦（Rajdeep Dua）著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	智能系統(tǒng)與技術(shù)叢書
標(biāo)　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?jǐn)?shù)：

內(nèi)容簡介

　　第1章介紹了Keras的安裝和設(shè)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(yù)處理和優(yōu)化技術(shù)，優(yōu)化技術(shù)包括TFOptimizer、AdaDelta等。第4章詳細(xì)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(shí)例，詳細(xì)解釋如何使用卷積神經(jīng)網(wǎng)絡(luò)算法。第6章包括基本的生成式對抗網(wǎng)絡(luò)（GAN）和邊界搜索GAN。第7章涵蓋了遞歸神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)，以便實(shí)現(xiàn)基于歷史數(shù)據(jù)集的Keras。第8 章包括使用Keras進(jìn)行單詞分析和情感分析的NLP基礎(chǔ)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(jìn)行文本概述。第10章側(cè)重于使用Keras設(shè)計(jì)和開發(fā)強(qiáng)化學(xué)習(xí)模型。

作者簡介

　　拉蒂普？杜瓦（Rajdeep Dua）在云計(jì)算和大數(shù)據(jù)領(lǐng)域擁有超過18年的經(jīng)驗(yàn)。他曾在IIIT Hyderabad、ISB、IIIT Delhi和Pune College of Engineering等印度一些久負(fù)盛名的科技大學(xué)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(tuán)隊(duì)的負(fù)責(zé)人，曾在海德拉巴舉行的W3C會議上展示BigQuery和Google App Engine，并領(lǐng)導(dǎo)過Google、VMware和Microsoft的開發(fā)團(tuán)隊(duì)，在云計(jì)算相關(guān)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(lǐng)域擁有超過15年的經(jīng)驗(yàn)。他目前在Salesforce使用Keras、Apache Spark和TensorFlow等開源庫和框架從事機(jī)器學(xué)習(xí)平臺/API的開發(fā)。他曾涉足過多個機(jī)器學(xué)習(xí)系統(tǒng)領(lǐng)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(jī)器學(xué)習(xí)團(tuán)隊(duì)的成員，使用Apache Mahout計(jì)算轉(zhuǎn)運(yùn)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(zhǔn)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(zhǔn)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(zhǔn)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?zāi)Ｐ? 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(jìn)行圖像分類 32
第3章　數(shù)據(jù)預(yù)處理、優(yōu)化和可視化 36
3.1　圖像數(shù)據(jù)特征標(biāo)準(zhǔn)化 36
3.1.1　準(zhǔn)備工作 36
3.1.2　怎么做 37
3.2　序列填充 39
3.2.1　準(zhǔn)備工作 39
3.2.2　怎么做 39
3.3　模型可視化 41
3.3.1　準(zhǔn)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(jī)梯度下降優(yōu)化法 44
3.6.1　準(zhǔn)備工作 44
3.6.2　怎么做 44
3.7　Adam優(yōu)化算法 47
3.7.1　準(zhǔn)備工作 47
3.7.2　怎么做 47
3.8　AdaDelta優(yōu)化算法 50
3.8.1　準(zhǔn)備工作 51
3.8.2　怎么做 51
3.9　使用RMSProp進(jìn)行優(yōu)化 54
3.9.1　準(zhǔn)備工作 54
3.9.2　怎么做 54
第4章　使用不同的Keras層實(shí)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(luò)的實(shí)現(xiàn) 73
5.1　引言 73
5.2　宮頸癌分類 73
5.2.1　準(zhǔn)備工作 74
5.2.2　怎么做 74
5.3　數(shù)字識別 84
5.3.1　準(zhǔn)備工作 84
5.3.2　怎么做 85
第6章　生成式對抗網(wǎng)絡(luò) 89
6.1　引言 89
6.2　基本的生成式對抗網(wǎng)絡(luò) 90
6.2.1　準(zhǔn)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(luò) 98
6.3.1　準(zhǔn)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(luò) 106
6.4.1　準(zhǔn)備工作 107
6.4.2　怎么做 108
第7章　遞歸神經(jīng)網(wǎng)絡(luò) 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(zhǔn)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(luò) 128
7.3.1　LSTM網(wǎng)絡(luò) 128
7.3.2　LSTM記憶示例 129
7.3.3　準(zhǔn)備工作 129
7.3.4　怎么做 129
7.4　使用LSTM進(jìn)行時間序列預(yù)測 133
7.4.1　準(zhǔn)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(xué)習(xí) 143
7.5.1　準(zhǔn)備工作 143
7.5.2　怎么做 144
第8章　使用Keras模型進(jìn)行自然語言處理 150
8.1　引言 150
8.2　詞嵌入 150
8.2.1　準(zhǔn)備工作 151
8.2.2　怎么做 151
8.3　情感分析 157
8.3.1　準(zhǔn)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(qiáng)化學(xué)習(xí) 173
10.1　引言 173
10.2　使用Keras進(jìn)行《CartPole》游戲 174
10.3　使用競爭DQN算法進(jìn)行《CartPole》游戲 181
10.3.1　準(zhǔn)備工作 183
10.3.2　怎么做 187