新書推薦：
《
编织大花园.7，趣味十足的时尚编织
》
售價：NT$
386.0
《
游戏三部曲：游戏改变未来+游戏改变世界+游戏改变人生（套装共3册）
》
售價：NT$
1622.0
《
修昔底德与政治秩序
》
售價：NT$
386.0
《
大学问·魏晋清谈史
》
售價：NT$
549.0
《
区域经济与产业发展研究
》
售價：NT$
381.0
《
正念心理学：全面开启自我觉察与接纳的疗愈之旅
》
售價：NT$
391.0
《
车用锂离子动力电池碰撞安全
》
售價：NT$
885.0
《
中国近代史（中国史学大家蒋廷黻典作品）
》
售價：NT$
223.0
|
| 編輯推薦： |
采用Python编写的Keras能够快速准确地训练卷积和递归神经网络，这使得Keras在很短的时间里就成为一个流行的深度学习库。
本书介绍了如何在时下流行的Keras库的帮助下，解决训练深度学习模型时遇到的各种问题。从安装和设置Keras开始，展示了如何使用Keras进行深度学习；从加载数据到拟合、评估模型获得*性能，逐步解决工作过程中遇到的每一个问题。在本书的帮助下，你可以分别实现卷积神经网络、递归神经网络、生成式对抗网络等。除此之外，本书还讲述了如何训练这些模型以完成图像处理和语言处理的任务。
本书*后还给出了一些实例，可以帮助你直观地了解Python和Keras在深度学习上的强大功能
通过阅读本书，你将学到：
在TensorFlow中安装和配置Keras
使用Keras库进行神经网络编程
了解不同的Keras层
使用Keras实现简单的前馈神经网络、卷积神经网络和递归神经网络
使用各种数据集和模型进行图像和文本分类
使用Keras开发文本摘要和强化学习模型
|
| 內容簡介： |
第1章介绍了Keras的安装和设置过程以及如何配置Keras。
第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。
第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。
第4章详细描述了不同的Keras层，包括递归层和卷积层等。
第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。
第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。
第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。
第8 章包括使用Keras进行单词分析和情感分析的NLP基础知识。
第9章展示了如何在Amazon评论数据集中使用Keras模型进行文本概述。第1章介绍了Keras的安装和设置过程以及如何配置Keras。
第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。
第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。
第4章详细描述了不同的Keras层，包括递归层和卷积层等。
第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。
第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。
第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。
第8 章包括使用Keras进行单词分析和情感分析的NLP基础知识。
第9章展示了如何在Amazon评论数据集中使用Keras模型进行文本概述。
第10章侧重于使用Keras设计和开发强化学习模型。
|
| 關於作者： |
拉蒂普杜瓦（Rajdeep Dua）在云计算和大数据领域拥有超过18年的经验。他曾在IIIT Hyderabad、ISB、IIIT Delhi和Pune College of Engineering等印度一些久负盛名的科技大学教授Spark和大数据。他目前是Salesforce印度分公司开发人员团队的负责人，曾在海德拉巴举行的W3C会议上展示BigQuery和Google App Engine，并领导过Google、VMware和Microsoft的开发团队，在云计算相关的数百个会议上发表过演讲。
曼普里特辛格古特（Manpreet Singh Ghotra）在企业软件和大数据软件的开发领域拥有超过15年的经验。他目前在Salesforce使用Keras、Apache Spark和TensorFlow等开源库和框架从事机器学习平台API的开发。他曾涉足过多个机器学习系统领域，包括情感分析、垃圾邮件检测和异常检测。此外，他还曾是世界上最大的在线零售商之一的机器学习团队的成员，使用Apache Mahout计算转运时间、开发推荐系统。
|
| 目錄：
|
译者序
审校者简介
前言
第1章 Keras安装
1
1.1 引言
1
1.2 在Ubuntu 16.04上安装Keras 1
1.2.1 准备工作 2
1.2.2 怎么做
2
1.3 在Docker镜像中使用Jupyter Notebook安装Keras 7
1.3.1 准备工作 7
1.3.2 怎么做
7
1.4 在已激活GPU的Ubuntu 16.04上安装Keras 9
1.4.1 准备工作 9
1.4.2 怎么做
10
第2章 Keras数据集和模型 13
2.1 引言
13
2.2 CIFAR-10数据集
13
2.3 CIFAR-100数据集
15
2.4 MNIST数据集 17
2.5 从CSV文件加载数据 18
2.6 Keras模型入门 19
2.6.1 模型的剖析 19
2.6.2 模型类型 19
2.7 序贯模型 20
2.8 共享层模型 27
2.8.1 共享输入层简介 27
2.8.2 怎么做
27
2.9 Keras函数API 29
2.9.1 怎么做
29
2.9.2 示例的输出 31
2.10 Keras函数API链接层 31
2.11 使用Keras函数API进行图像分类 32
第3章 数据预处理、优化和可视化 36
3.1 图像数据特征标准化 36
3.1.1 准备工作 36
3.1.2 怎么做
37
3.2 序列填充 39
3.2.1 准备工作 39
3.2.2 怎么做
39
3.3 模型可视化 41
3.3.1 准备工作 41
3.3.2 怎么做
41
3.4 优化
43
3.5 示例通用代码 43
3.6 随机梯度下降优化法 44
3.6.1 准备工作 44
3.6.2 怎么做
44
3.7 Adam优化算法 47
3.7.1 准备工作 47
3.7.2 怎么做
47
3.8 AdaDelta优化算法
50
3.8.1 准备工作 51
3.8.2 怎么做
51
3.9 使用RMSProp进行优化
54
3.9.1 准备工作 54
3.9.2 怎么做
54
第4章 使用不同的Keras层实现分类 58
4.1 引言
58
4.2 乳腺癌分类 58
4.3 垃圾信息检测分类 66
第5章 卷积神经网络的实现 73
5.1 引言
73
5.2 宫颈癌分类 73
5.2.1 准备工作 74
5.2.2 怎么做
74
5.3 数字识别 84
5.3.1 准备工作 84
5.3.2 怎么做
85
第6章 生成式对抗网络 89
6.1 引言
89
6.2 基本的生成式对抗网络 90
6.2.1 准备工作 91
6.2.2 怎么做
91
6.3 边界搜索生成式对抗网络 98
6.3.1 准备工作 99
6.3.2 怎么做
100
6.4 深度卷积生成式对抗网络 106
6.4.1 准备工作 107
6.4.2 怎么做
108
第7章 递归神经网络 116
7.1 引言
116
7.2 用于时间序列数据的简单RNN 117
7.2.1 准备工作 118
7.2.2 怎么做
119
7.3 时间序列数据的LSTM网络
128
7.3.1 LSTM网络 128
7.3.2 LSTM记忆示例 129
7.3.3 准备工作 129
7.3.4 怎么做
129
7.4 使用LSTM进行时间序列预测 133
7.4.1 准备工作 134
7.4.2 怎么做
135
7.5 基于LSTM的等长输出序列到序列学习 143
7.5.1 准备工作 143
7.5.2 怎么做
144
第8章 使用Keras模型进行自然语言处理 150
8.1 引言
150
8.2 词嵌入
150
8.2.1 准备工作 151
8.2.2 怎么做
151
8.3 情感分析 157
8.3.1 准备工作 157
8.3.2 怎么做
159
8.3.3 完整代码清单 162
第9章 基于Keras模型的文本摘要 164
9.1 引言
164
9.2 评论的文本摘要 164
9.2.1 怎么做
165
9.2.2 参考资料 172
第10章 强化学习 173
10.1 引言
173
10.2 使用Keras进行《CartPole》游戏
174
10.3 使用竞争DQN算法进行《CartPole》游戏
181
10.3.1 准备工作 183
10.3.2 怎么做
187
|
| 內容試閱：
|
Keras采用Python编写，能够快速准确地训练卷积神经网络和递归神经网络，已经成为当下流行的深度学习库。
本书讲述了如何在Keras库的帮助下，高效地解决在训练深度学习模型时遇到的各种问题。内容包括如何安装和设置Keras，如何在TensorFlow、Apache MXNet和CNTK后端开发中使用Keras实现深度学习。
从加载数据到拟合和评估模型获得最佳性能，你将逐步解决在深度学习建模时可能遇到的所有问题。在本书的帮助下，你将实现卷积神经网络、递归神经网络、对抗网络等。除此之外，你还将学习如何训练这些模型以实现真实的图像处理和语言处理任务。
本书的最后，你将完成一个实例以进一步了解如何利用Python和Keras的强大功能实现有效的深度学习。
本书读者对象
本书适合数据科学家或机器学习专家，可以帮助他们解决在训练深度学习模型时遇到的常见问题。阅读本书前，需要对Python有基本的了解，并了解机器学习和神经网络的内容。
本书涵盖的内容
第1章介绍了Keras的安装和设置过程以及如何配置Keras。
第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。
第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。
第4章详细描述了不同的Keras层，包括递归层和卷积层等。
第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。
第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。
第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。
第8 章包括使用Keras进行单词分析和情感分析的NLP基础知识。
第9章展示了如何在Amazon评论数据集中使用Keras模型进行文本概述。
第10章侧重于使用Keras设计和开发强化学习模型。
阅读本书须知
读者应该掌握Keras和深度学习的基本知识。
排版约定
本书中包含许多排版约定。
文本中的代码元素、数据库表名、文件夹名、文件名、文件扩展名、路径名、用户输入和Twitter句柄都采用代码字体表示。举个例子：最后，我们将所有评论保存到pickle文件中。
本书的示例代码及所有截图和样图，可以从http：www.packtpub.com通过个人账号下载，也可以访问华章图书官网http：www.hzbook.com，通过注册并登录个人账号下载。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
