幫助中心 | 我的帳號 | 關於我們

深度學習實戰

  • 作者:(美)杜威·奧辛格|譯者:李君婷//閆龍川//俞學豪//高德荃
  • 出版社:機械工業
  • ISBN:9787111624837
  • 出版日期:2019/05/01
  • 裝幀:平裝
  • 頁數:247
人民幣:RMB 89 元      售價:NT$ 400.5
放入購物車
加入收藏夾

內容大鋼
    深度學習並沒有那麼可怕。直到最近,這項機器學習方法還要經過數年的學習才能掌握,但是有了如Keras和TensorFlow這樣的框架后,沒有機器學習背景的軟體工程師也可以快速進入這個領域。通過本書中的技巧,你將學會解決深度學習在生成和分類文本、圖像和音樂方面的問題。
    本書每章包括完成獨立項目所需的幾個技巧,如訓練一個音樂推薦系統。如果你陷入了困境,作者還在第2章提供了6個技巧來幫助你。本書中的例子用Python語言編寫,代碼在GitHub上以Python notebook集合的方式提供。
    通過本書,你將學會:
    創建為真實用戶服務的應用
    使用詞嵌入計算文本的相似性
    基於維基百科鏈接建立電影推薦系統
    通過可視化的內部狀態了解AI看待世界的原理
    建立一個為文本片段推薦表情符號的模型
    重用預訓練的神經網路構建反向圖像搜索服務
    比較GAN、自動編碼器和LSTM如何生成圖標
    檢測音樂的風格並檢索歌曲集

作者介紹
(美)杜威·奧辛格|譯者:李君婷//閆龍川//俞學豪//高德荃

目錄
前言
第1章  工具與技術
  1.1  神經網路的類型
  1.2  數據獲取
  1.3  數據預處理
第2章  擺脫困境
  2.1  確定我們遇到的問題
  2.2  解決運行過程中的錯誤
  2.3  檢查中間結果
  2.4  為最後一層選擇正確的激活函數
  2.5  正則化和Dropout
  2.6  網路結構、批尺寸和學習率
第3章  使用詞嵌入計算文本相似性
  3.1  使用預訓練的詞嵌入發現詞的相似性
  3.2  Word2vec數學特性
  3.3  可視化詞嵌入
  3.4  在詞嵌入中發現實體類
  3.5  計算類內部的語義距離
  3.6  在地圖上可視化國家數據
第4章  基於維基百科外部鏈接構建推薦系統
  4.1  收集數據
  4.2  訓練電影嵌入
  4.3  構建電影推薦系統
  4.4  預測簡單的電影屬性
第5章  按照示例文本的風格生成文本
  5.1  獲取公開領域書籍文本
  5.2  生成類似莎士比亞的文本
  5.3  使用RNN編寫代碼
  5.4  控制輸出溫度
  5.5  可視化循環神經網路的活躍程度
第6章  問題匹配
  6.1  從Stack Exchange網站獲取數據
  6.2  使用Pandas探索數據
  6.3  使用Keras對文本進行特徵化
  6.4  構建問答模型
  6.5  用Pandas訓練模型
  6.6  檢查相似性
第7章  推薦表情符號
  7.1  構建一個簡單的情感分類器
  7.2  檢驗一個簡單的分類器
  7.3  使用卷積網路進行情感分析
  7.4  收集Twitter數據
  7.5  一個簡單的表情符號預測器
  7.6  Dropout和多層窗口
  7.7  構建單詞級模型
  7.8  構建你自己的嵌入
  7.9  使用循環神經網路進行分類
  7.10  可視化一致性/不一致性
  7.11  組合模型
第8章  Sequence-to-Sequence映射

  8.1  訓練一個簡單的Sequence-to-Sequence模型
  8.2  從文本中提取對話
  8.3  處理開放辭彙表
  8.4  訓練seq2seq聊天機器人
第9章  復用預訓練的圖像識別網路
  9.1  載入預訓練網路
  9.2  圖像預處理
  9.3  推測圖像內容
  9.4  使用Flickr API收集一組帶標籤的圖像
  9.5  構建一個分辨貓狗的分類器
  9.6  改進搜索結果
  9.7  復訓圖像識別網路
第10章  構建反向圖像搜索服務
  10.1  從維基百科中獲取圖像
  10.2  向N維空間投影圖像
  10.3  在高維空間中尋找最近鄰
  10.4  探索嵌入中的局部鄰域
第11章  檢測多幅圖像
  11.1  使用預訓練的分類器檢測多個圖像
  11.2  使用Faster RCNN進行目標檢測
  11.3  在自己的圖像上運行Faster RCNN
第12章  圖像風格
  12.1  可視化卷積神經網路激活值
  12.2  尺度和縮放
  12.3  可視化神經網路所見
  12.4  捕捉圖像風格
  12.5  改進損失函數以提升圖像相干性
  12.6  將風格遷移至不同圖像
  12.7  風格內插
第13章  用自編碼器生成圖像
  13.1  從Google Quick Draw中導入繪圖
  13.2  為圖像創建自編碼器
  13.3  可視化自編碼器結果
  13.4  從正確的分佈中採樣圖像
  13.5  可視化變分自編碼器空間
  13.6  條件變分編碼器
第14章  使用深度網路生成圖標
  14.1  獲得訓練用的圖標
  14.2  將圖標轉換為張量表示
  14.3  使用變分自編碼器生成圖標
  14.4  使用數據擴充提升自編碼器的性能
  14.5  構建生成式對抗網路
  14.6  訓練生成式對抗網路
  14.7  顯示GAN生成的圖標
  14.8  將圖標編碼成繪圖指令
  14.9  訓練RNN繪製圖標
  14.10  使用RNN生成圖標
第15章  音樂與深度學習
  15.1  為音樂分類器創建訓練數據集
  15.2  訓練音樂風格檢測器

  15.3  對混淆情況進行可視化
  15.4  為已有的音樂編製索引
  15.5  設置Spotify API
  15.6  從Spotify中收集播放列表和歌曲
  15.7  訓練音樂推薦系統
  15.8  使用Word2vec模型推薦歌曲
第16章  生產化部署機器學習系統
  16.1  使用scikit-learn最近鄰計算嵌入
  16.2  使用Postgres存儲嵌入
  16.3  填充和查詢Postgres存儲的嵌入
  16.4  在Postgres中存儲高維模型
  16.5  使用Python編寫微服務
  16.6  使用微服務部署Keras模型
  16.7  從Web框架中調用微服務
  16.8  Tensorflow seq2seq模型
  16.9  在瀏覽器中執行深度學習模型
  16.10  使用TensorFlow服務執行Keras模型
  16.11  在iOS中使用Keras模型

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032