特别优惠
跟上新发行和促销的步伐。注册,听取我们的意见。
注册您的产品获得奖励材料或获得优惠券。
“作者清晰的视觉风格提供了一个全面的视角,让人们了解人工神经网络目前的可能性,以及即将到来的魔力。”完全实用,有见地的现代深度学习指南
- - - - - -蒂姆·厄本,《等等,为什么?
第十九数据
表29
例子第29
前言时
前言第45
确认xxxix
作者简介
第一部分:深度学习介绍
第1章:生物与机器视觉
生物视觉3
机器视觉8
TensorFlow Playground
快,画!19
总结19
第二章:人类和机器语言
自然语言的深度学习
处理21
语言的计算表示
人类自然语言的要素
Google Duplex 35
总结37
第三章:机器艺术
通宵狂饮
假人脸的算法
风格转换:将照片转换为莫奈(反之亦然
让你自己的草图逼真
从文本中创建逼真的图像
基于深度学习的图像处理
总结48
第四章:游戏机器
深度学习、人工智能和其他野兽
机器学习问题的三大类
深度强化学习56
电子游戏57
棋盘游戏59
对象的操作67
流行的深度强化学习环境
ai71的三种类型
72年总结
第二部分:基本理论说明
第五章:(代码)超前(理论)
马75
先决条件75
安装76
克拉斯的浅层网络
84年总结
第六章:人工神经元探测热狗
生物神经解剖学101
感知机86
现代神经元和激活函数[j]
选择神经元96
96年总结
关键概念97
第七章:人工神经网络
输入层99
致密层99
一个检测热狗的密集网络
快餐分类网络的Softmax层[j]
重新审视我们的浅层网络
110年总结
关键概念110
第8章:训练深度网络
成本函数111
优化:学习最小化成本
反向传播124年
调整隐藏层计数和神经元
数125
Keras中的一个中间网
129年总结
关键概念130
第九章:改进深度网络
权重初始化131
不稳定梯度137
模型泛化(避免过拟合
花式优化器145
中的深度神经网络
Keras 147
149年回归
TensorBoard 152
154年总结
关键概念155
第三部分:深度学习的交互式应用
第十章:机器视觉
卷积神经网络
池化层169
在Keras的LeNet-5
AlexNet和VGGNet在Keras 176
残余网络179
机器视觉的应用
193年总结
关键概念193
第十一章:自然语言处理
自然语言数据预处理
创建单词嵌入与word2vec 206
ROC曲线下的面积
自然语言分类与熟悉网络222
为顺序数据设计的网络
非顺序架构:Keras功能性API
256年总结
关键概念257
第12章:生成对抗网络
基本GAN理论259
快,画!数据集263
鉴别器网络
发电机网络269
《对抗网络
GAN培训275
281年总结
关键概念282
第13章:深度强化学习
强化学习的基本理论
深度q -学习网络的基本理论[j]
定义DQN Agent 293
与OpenAI健身环境互动
用SLM进行超参数优化
超越dqn306的特工
308年总结
关键概念309
第四部分:你和ai311
第十四章:推进你自己的深度学习项目
深度学习项目的思路
进一步项目的资源
建模过程,包括超参数调优
深度学习库321
软件2.0 324
接近人工智能326
328年总结
第五部分:附录331
附录A:形式化神经网络符号333
附录B:反向传播
附录C: PyTorch 339
PyTorch的特性
PyTorch在实践中的应用
指数345