图书介绍

白话深度学习与TensorFlow【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

高扬，卫峥编著；万娟插画设计著
出版社：北京：机械工业出版社
ISBN：9787111574576
出版时间：2017
标注页数：304页
文件大小：139MB
文件页数：324页
主题词：人工智能－算法－研究

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：120ef5eed619563798792260602f5fa8

下载说明

白话深度学习与TensorFlowPDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

基础篇2

第1章机器学习是什么2

1.1 聚类4

1.2 回归5

1.3 分类8

1.4 综合应用10

1.5 小结14

第2章深度学习是什么15

2.1 神经网络是什么15

2.1.1 神经元16

2.1.2 激励函数19

2.1.3 神经网络24

2.2 深度神经网络25

2.3 深度学习为什么这么强28

2.3.1 不用再提取特征28

2.3.2 处理线性不可分29

2.4 深度学习应用30

2.4.1 围棋机器人——AlphaGo30

2.4.2 被教坏的少女——Tai.ai32

2.4.3 本田公司的大宝贝——ASIMO33

2.5 小结37

第3章 TensorFlow框架特性与安装38

3.1 简介38

3.2 与其他框架的对比39

3.3 其他特点40

3.4 如何选择好的框架44

3.5 安装TensorFlow45

3.6 小结46

原理与实践篇50

第4章前馈神经网络50

4.1 网络结构50

4.2 线性回归的训练51

4.3 神经网络的训练75

4.4 小结79

第5章手写板功能81

5.1 MNIST介绍81

5.2 使用TensorFlow完成实验86

5.3 神经网络为什么那么强92

5.3.1 处理线性不可分93

5.3.2 挑战“与或非”95

5.3.3 丰富的VC——强大的空间划分能力98

5.4 验证集、测试集与防止过拟合99

5.5 小结102

第6章卷积神经网络103

6.1 与全连接网络的对比103

6.2 卷积是什么104

6.3 卷积核106

6.4 卷积层其他参数108

6.5 池化层109

6.6 典型CNN网络110

6.7 图片识别114

6.8 输出层激励函数——SOFTMAX116

6.8.1 SOFTMAX116

6.8.2 交叉熵117

6.9 小试牛刀——卷积网络做图片分类124

6.10 小结138

第7章综合问题139

7.1 并行计算139

7.2 随机梯度下降142

7.3 梯度消失问题144

7.4 归一化147

7.5 参数初始化问题149

7.6 正则化151

7.7 其他超参数155

7.8 不唯一的模型156

7.9 DropOut157

7.10 小结158

第8章循环神经网络159

8.1 隐马尔可夫模型159

8.2 RNN和BPTT算法163

8.2.1 结构163

8.2.2 训练过程163

8.2.3 艰难的误差传递165

8.3 LSTM算法167

8.4 应用场景171

8.5 实践案例——自动文本生成174

8.5.1 RNN工程代码解读174

8.5.2 利用RNN学习莎士比亚剧本183

8.5.3 利用RNN学习维基百科184

8.6 实践案例——聊天机器人185

8.7 小结196

扩展篇198

第9章深度残差网络198

9.1 应用场景198

9.2 结构解释与数学推导200

9.3 拓扑解释205

9.4 Github示例207

9.5 小结207

第10章受限玻尔兹曼机209

10.1 结构209

10.2 逻辑回归210

10.3 最大似然度212

10.4 最大似然度示例214

10.5 损失函数215

10.6 应用场景216

10.7 小结216

第11章强化学习217

11.1 模型核心218

11.2 马尔可夫决策过程219

11.2.1 用游戏开刀221

11.2.2 准备工作223

11.2.3 训练过程224

11.2.4 问题226

11.2.5 Q-Learning算法228

11.3 深度学习中的Q-Learning——DQN231

11.3.1 OpenAI Gym234

11.3.2 Atari游戏237

11.4 小结238

第12章对抗学习239

12.1 目的239

12.2 训练模式240

12.2.1 二元极小极大博弈240

12.2.2 训练242

12.3 CGAN244

12.4 DCGAN247

12.5 小结252

第13章有趣的深度学习应用254

13.1 人脸识别254

13.2 作诗姬259

13.3 梵高附体264

13.3.1 网络结构265

13.3.2 内容损失268

13.3.3 风格损失270

13.3.4 系数比例271

13.3.5 代码分析272

13.4 小结279

附录A VMware Workstation的安装280

附录B Ubuntu虚拟机的安装284

附录C Python语言简介290

附录D 安装Theano296

附录E 安装Keras297

附录F 安装CUDA298

参考文献303