本书基于Python语言及TensorFlow框架,通过通俗易懂的语言、丰富实用的案例,全面系统地讲解了深度学习的相关知识。全书共8个项目,内容涵盖搭建深度学习开发环境、夯实深度学习开发基础、构建神经网络、利用卷积神经网络进行图像处理、利用循环神经网络进行文本预测和分类、利用生成对抗神经网络进行图像生成、利用迁移学习进行图像分类及交通标志识别。
本书可作为各类院校人工智能、大数据技术、计算机等相关专业的教材,也可供人工智能领域的技术人员参考使用。
项目1 搭建深度学习开发环境
项目目标
项目描述
项目分析
项目准备
1.1 人工智能、机器学习和深度学习
1.1.1 人工智能
1.1.2 机器学习
1.1.3 深度学习
1.2 深度学习的应用领域
1.2.1 计算机视觉
1.2.2 自然语言处理
1.2.3 语音识别
1.3 深度学习的主流框架
1.3.1 TensorFlow
1.3.2 PyTorch
1.3.3 PaddlePaddle
1.3.4 Caffe
项目实施——搭建深度学习开发环境
项目实训
项目总结
项目考核
项目评价
项目2 夯实深度学习开发基础
项目目标
项目描述
项目分析
项目准备
2.1 Python深度学习常用库
2.1.1 NumPy库
2.1.2 Matplotlib库
2.1.3 scikit-learn库
2.2 TensorFlow深度学习基础
2.2.1 TensorFlow基础
2.2.2 在TensorFlow中使用Keras
项目实施——可视化波士顿房价数据集
项目实训
项目总结
项目考核
项目评价
项目3 构建神经网络
项目目标
项目描述
项目分析
项目准备
3.1 神经元与感知器
3.1.1 生物神经元与神经元模型
3.1.2 感知器
3.2 激活函数
3.2.1 Sigmoid函数
3.2.2 Tanh函数
3.2.3 ReLU函数
3.2.4 Softmax函数
3.3 神经网络的训练
3.3.1 神经网络的训练流程
3.3.2 前向传播算法
3.3.3 损失函数
3.3.4 梯度下降算法
3.3.5 反向传播算法
3.4 神经网络的过拟合及其处理方法
3.4.1 欠拟合与过拟合
3.4.2 过拟合处理方法
3.5 使用Keras构建神经网络
3.5.1 创建顺序网络模型
3.5.2 编译顺序网络模型
3.5.3 训练顺序网络模型
3.5.4 评估顺序网络模型
3.5.5 应用顺序网络模型
项目实施——手写数字识别
项目实训
项目总结
项目考核
项目评价
模型篇
项目4 利用卷积神经网络进行图像处理
项目目标
项目描述
项目分析
项目准备
4.1 什么是卷积神经网络
4.1.1 卷积神经网络与全连接神经网络对比
4.1.2 卷积神经网络结构
4.2 卷积神经网络的核心网络层
4.2.1 卷积层
4.2.2 池化层
4.2.3 全连接层
4.2.4 Dropout层
4.3 经典的卷积神经网络
4.3.1 LeNet-5
4.3.2 VGGNet
4.3.3 ResNet
项目实施——基于Cifar-10数据集的彩色图像识别分类
项目实训
项目总结
项目考核
项目评价
项目5 利用循环神经网络进行文本预测和分类
项目目标
项目描述
项目分析
项目准备
5.1 自然语言数据的处理
5.1.1 序列填充
5.1.2 词向量
5.2 简单循环神经网络
5.2.1 简单循环神经网络的原理
5.2.2 简单循环层在Keras中的实现
5.2.3 简单循环神经网络存在的问题
5.3 长短期记忆神经网络
5.3.1 长短期记忆神经网络的原理
5.3.2 长短期记忆层在Keras中的实现
5.4 门控循环单元神经网络
5.4.1 门控循环单元神经网络的原理
5.4.2 GRU层在Keras中的实现
项目实施——影评情感分析
项目实训
项目总结
项目考核
项目评价
项目6 利用生成对抗神经网络进行图像生成
项目目标
项目描述
项目分析
项目准备
6.1 生成对抗神经网络
6.1.1 什么是生成对抗神经网络
6.1.2 生成对抗神经网络原理
6.2 常用生成对抗神经网络模型
6.2.1 深度卷积生成对抗神经网络
6.2.2 条件生成对抗神经网络
6.2.3 循环生成对抗神经网络
项目实施——手写数字图像生成
项目实训
项目总结
项目考核
项目评价
项目7 利用迁移学习进行图像分类
项目目标
项目描述
项目分析
项目准备
7.1 迁移学习
7.1.1 迁移学习的数学定义
7.1.2 迁移学习的分类
7.2 预训练模型
7.2.1 预训练模型的复用
7.2.2 Keras中的预训练模型
项目实施——猫狗大战
项目实训
项目总结
项目考核
项目评价
应用篇
项目8 交通标志识别
项目目标
项目描述
项目分析
项目准备
项目实施——交通标志识别
项目实训
项目总结
项目考核
项目评价
参考文献
深度学习的发展历程
深度学习的应用领域
ImageNet项目
CPU、GPU和TPU之间的区别
安装Anaconda
安装TensorFlow
使用Jupyter Notebook
scikit-learn库与TensorFlow的比较
Keras库自带的数据集
NumPy中常用的数学运算函数
Matplotlib库中图形样式设置
Python列表、NumPy数组与TensorFlow张量的比较
获取数据
访问数据集数据
绘制特征值与标签值的散点图
人工神经网络
数据标准化
准备数据
构建顺序网络模型
编译、训练和评估顺序网络模型
应用顺序网络模型
认识图像
准备数据
构建卷积神经网络模型
编译、训练和评估卷积神经网络模型
可视化训练的结果
应用卷积神经网络模型
自然语言数据的预处理
导入数据
序列填充
构建长短期记忆神经网络模型
编译、训练和评估长短期记忆神经网络模型
可视化训练的结果
应用长短期记忆神经网络模型
初识生成对抗神经网络
准备数据
构建生成模型
构建判别模型
定义损失函数和优化器
定义检查点
训练模型
什么是迁移学习
下载并整理图像
构建数据集
构建基于VGG16的网络模型
编译和训练网络模型
应用网络模型
tarfile模块
ImageDataGenerator模块
解压和显示数据
数据预处理
构建网络模型
编译、训练和保存网络模型
可视化训练的结果
应用网络模型
封面和样张
课件
答案
素材与实例
课程标准
教案
没有微课下载权限,如需下载请先购买~
深度学习基础及应用(双色)(含微课)微课
¥0微信支付
支付宝支付
购物车
联系客服
APP下载
帮助
微信公众号
教师服务号
学生服务号
返回顶部
验证身份
重置密码
完成
*请输入正确的手机号
*请输入验证码
验证身份
重置密码
完成
*请输入密码
*请输入密码
验证身份
重置密码
完成
5s 跳转登录页
*请输入密码
*请输入密码
0M/0M
文件加载中,请耐心等待