深度学习实战

目录
前言 1
第1 章 探索人工智能前景 15
致歉 16
真正的介绍 17
什么是人工智能？ 17
人工智能简史 20
激动人心的开始 21
寒冷黑暗的日子 22
一线希望 23
深度学习是如何兴盛的 26
完美深度学习解决方案的组成要素 29
数据集 30
模型结构 32
框架 35
硬件 38
负责任的人工智能 41
偏差 43
责任和可解释性 45
再现性 46
稳健性 46
隐私 47
总结 47
常见问题 48
第2 章 图片中有什么：用Keras 实现图像分类 51
Keras 简介 52
预测图像类别 53
调查模型 58
ImageNet 数据集 58
模型园 61
类激活图 62
总结 65
第3 章 猫与狗：用Keras 在30 行代码中实现
迁移学习 66
使预先训练的模型适应新任务 67
卷积神经网络初探 68
迁移学习 70
微调 71
微调多少 72
利用迁移学习和Keras 构建一个定制的分类器 73
组织数据 74
建立数据管道 76
类别数 77
批量大小 78
数据扩充 78
定义模型 82
训练模型 82
设置训练参数 82
开始训练 84
测试模型 85
分析结果 86
进一步阅读 93
总结 93
第4 章 构建反向图像搜索引擎：理解嵌入 95
图像相似性 96
特征提取 99
相似性搜索 102
用t-SNE 可视化图像簇 106
提高相似性搜索的速度 110
特征向量长度 110
基于PCA 减少特征长度 112
基于近似*近邻方法扩展相似搜索 116
近似*近邻基准 117
应该用哪个库？ 117
创建合成数据集 119
蛮力搜索 119
Annoy 119
NGT 120
Faiss 121
通过微调提高精度 121
用于一次人脸验证的孪生网络 126
案例研究 127
Flickr 127
Pinterest 128
与名人面貌相似者 129
Spotify 130
图像描述 131
总结 133
第5 章 从初学者到掌握预测：*大化卷积神经网络的
精度 134
工具介绍 135
TensorFlow Datasets 136
TensorBoard 137
What-If 工具 140