深度学习全书(公式+推导+代码+TensorFlow全程案例)

目 录 **篇 深度学习导论 **篇 深度学习导论 第 1 章 深度学习导论 2 人工智能的三波浪潮 2 AI 的学习地图 4 机器学习应用领域 5 机器学习开发流程 6 开发环境安装 7 第 2 章 神经网络原理 12 **的数学与统计知识 12 2-2-1向量 ……………………142-2-2矩阵 ……………………182-2-3联立方程式求解 ………22 线性代数 14 微积分 24 _x00E_2-3-5 积分 37 概率与统计 41 2-4-1数据类型 ………………422-4-2抽样 ……………………432-4-3基础统计 ………………462-4-4概率 ……………………532-4-5概率分布 ………………592-4-6假设检定 ………………69线性规划 78 普通*小二乘法与*大似然 估计法 81 普通*小二乘法 81 *大似然估计法 84 2-7-1神经网络 ………………882-7-2梯度下降法 ……………912-7-3神经网络求解 …………94 神经网络求解 88 2-3-1微分 ……………………242-3-2微分定理 ………………292-3-3偏微分 …………………322-3-4简单线性回归求解 ……36深度学习全书——公式 + 推导 + 代码 +TensorFlow 全程案例 第二篇 TensorFlow 基础篇 第二篇 TensorFlow 基础篇 第 3 章 TensorFlow 架 构 与 主要功能 98 常用的深度学习框架 98 TensorFlow 架构 99 张量运算 100 自动微分 105 神经网络层 109 第 4 章 神经网络实践 114 撰写**个神经网络程序 114  HYPERLINK \l "_TOC_250021" *简短的程序 114  HYPERLINK \l "_TOC_250020" 程序强化 115  HYPERLINK \l "_TOC_250019" 4-1-3 实验 124 Keras 模型种类 129  HYPERLINK \l "_TOC_250018" Sequential model 129  HYPERLINK \l "_TOC_250017" Functional API 133 4-3 神 经层 135  HYPERLINK \l "_TOC_250016" 完全连接神经层 135  HYPERLINK \l "_TOC_250015" Dropout Layer 137 激活函数 137 损失函数 142 4-6 优 化器 144 效果衡量指标 148 超参数调校 152 第 5 章 TensorFlow 其他常用 指令 156 特征转换 156 模型存盘与加载 157 模型汇总与结构图 159 _x00E_回调函数 161 EarlyStopping Callbacks 162 ModelCheckpoint Callbacks 163 TensorBoard Callbacks … 164  HYPERLINK \l "_TOC_250014" 自定义 Callback 165 自定义 Callback 应用 … 168  HYPERLINK \l "_TOC_250013" 5-4-6 总结 169 TensorBoard 169  HYPERLINK \l "_TOC_250012" 5-5-1 TensorBoard 功能 169  HYPERLINK \l "_TOC_250011" 5-5-2 测试 171  HYPERLINK \l "_TOC_250010" 5-5-3 写入图片 172  HYPERLINK \l "_TOC_250009" 5-5-4 直 方图 173  HYPERLINK \l "_TOC_250008" 效果调校 174  HYPERLINK \l "_TOC_250007" 敏感度分析 175  HYPERLINK \l "_TOC_250006" 5-5-7 总结 176 模型部署与 TensorFlow Serving 176  HYPERLINK \l "_TOC_250005" 自行开发网页程序 176  HYPERLINK \l "_TOC_250004" TensorFlow Serving 178 TensorFlow Dataset 180  HYPERLINK \l "_TOC_250003" 产生 Dataset 180  HYPERLINK \l "_TOC_250002" 图像 Dataset 184 TFRecord 与 Dataset … 186  HYPERLINK \l "_TOC_250001" TextLineDataset 189  HYPERLINK \l "_TOC_250000" Dataset 效果提升 191 第 6 章 卷积神经网络 193 6-1 卷积神经网络简介 193 IV 目 录 6-2 卷积 194 6-3 各式卷积 197 6-4 池 化层 201 CNN 模型实践 202 影像数据增补 206 可解释的 AI 211 _x00E_第 7 章 预先训练的模型 ………219 预先训练的模型简介 219 采用完整的模型 221 采用部分模型 225 转移学习 229 Batch Normalization 说明 233 第三篇 进阶的影像应用 第三篇 进阶的影像应用 第 8 章 目标检测 238 图像辨识模型的发展 238 滑动窗口 239 方向梯度直方图 242 R-CNN 目标检测 252 R-CNN 改良 263 YOLO 算法简介 266 YOLO 环境配置 269 以 TensorFlow 实践 YOLO 模型… 274 YOLO 模型训练 280 SSD 算法 285 TensorFlow Object Detection API 285 目标检测的效果衡量指标 294 8-13 总结 295 第 9 章 进阶的影像应用 296 语义分割介绍 296 自动编码器 297 语义分割实践 305 实例分割 311 _x00E_风格转换—人人都可以是 毕加索 315 脸部辨识 327 脸部检测 327 MTCNN 算法 332 脸部追踪 334 脸部特征点检测 340 脸部验证 346 光学文字辨识 349 车牌辨识 353 卷积神经网络的缺点 357 第 10 章 生成对抗网络 359 生成对抗网络介绍 359 生成对抗网络种类 361 DCGAN 364 Progressive GAN 375 Conditional GAN 380 Pix2Pix 385 CycleGAN 396 GAN 挑战 406 深度伪造 406 V 深度学习全书——公式 + 推导 + 代码 +TensorFlow 全程案例 第四篇 自然语言处理 第四篇 自然语言处理 第 11 章 自然语言处理的介绍 …412 词袋与 TF-IDF 412 词汇前置处理 416 11-3 词 向量 421 GloVe 模型 433 中文处理 436 spaCy 库 439 第 12 章 自然语言处理的算法 444 循环神经网络 444 长短期记忆网络 451 LSTM 重要参数与多层 LSTM 456 Gate Recurrent Unit 467 股价预测 468 注意力机制 475 Transformer 架构 485 Transformer 原理 486 Transformer 效能 487 BERT 488 Masked LM 488 Next Sentence Prediction 489 BERT 效能微调 490 Transformers 库 491 12-9-1 Transformers 库范例 … 491 _x00E_Transformers 库效能 微调 501 后续努力 507 12-10 总结 507 第 13 章 聊天机器人 508 ChatBot 类别 508 ChatBot 设计 509 ChatBot 实践 511 ChatBot 工具框架 514 ChatterBot 实践 514 Chatbot AI 实践 517 Rasa 实践 520 Dialog?ow 实践 523 Dialog?ow 安装 525 Dialog?ow 基本功能 … 527 13-5-3 履行 532 13-6 总结 536 第 14 章 语 音 识别 537 语音基本认识 538 语音前置处理 549 语音相关的深度学习应用 561 自动语音识别 574 自动语音识别实践 577 14-6 总结 578 VI 目 录 第五篇 强化学习 第五篇 强化学习 第 15 章 强 化 学习 580 强化学习的基础 581 强化学习模型 583 简单的强化学习架构 586 Gym 库 593 Gym 扩充功能 600 动态规划 602 _x00E_15-7 值 循环 607 蒙特卡洛 610 时序差分 619 其他算法 628 井字游戏 630 木棒小车 636 15-13 总结 637 VI