深度学习实战PDF|Epub|txt|kindle电子书版本网盘下载

深度学习实战PDF格式电子书版下载

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

第1章 深度学习的发展介绍1

1.1如何阅读本书3

1.2深度学习沉浮史3

1.2.1模拟生物大脑的疯狂远古时代4

1.2.2联结主义近代5

1.2.3百花齐放，层次结构主导，模型巨大的当代6

1.3 Python简易教程7

1.3.1 Anaconda搭建7

1.3.2 IPython Notebook使用7

1.3.3 Python基本用法8

1.3.4 NumPy15

1.3.5 Matplotlib23

1.4参考文献25

第2章 机器学习快速入门27

2.1学习算法28

2.1.1学习任务29

2.1.2性能度量30

2.1.3学习经验32

2.2代价函数33

2.2.1均方误差函数33

2.2.2极大似然估计34

2.3梯度下降法36

2.3.1批量梯度下降法38

2.3.2随机梯度下降法39

2.4过拟合与欠拟合40

2.4.1没免费午餐理论42

2.4.2正则化43

2.5超参数与验证集44

2.6 Softmax编码实战46

2.6.1编码说明49

2.6.2熟练使用CIFAR-10数据集50

2.6.3显式循环计算损失函数及其梯度53

2.6.4向量化表达式计算损失函数及其梯度56

2.6.5最小批量梯度下降算法训练Softmax分类器57

2.6.6使用验证数据选择超参数61

2.7参考代码68

2.8参考文献70

第3章 前馈神经网络72

3.1神经元73

3.1.1 Sigmoid神经元74

3.1.2 Tanh神经元75

3.1.3 ReLU神经元76

3.2前馈神经网络80

3.2.1输出层单元80

3.2.2隐藏层单元80

3.2.3网络结构设计81

3.3 BP算法82

3.4深度学习编码实战上86

3.4.1实现仿射传播88

3.4.2实现ReLU传播91

3.4.3组合单层神经元93

3.4.4实现浅层神经网络96

3.4.5实现深层全连接网络101

3.5参考代码109

3.6参考文献113

第4章 深度学习正则化115

4.1参数范数惩罚116

4.1.1 L2参数正则化118

4.1.2 L1正则化119

4.2参数绑定与参数共享120

4.3噪声注入与数据扩充120

4.4稀疏表征122

4.5早停123

4.6 Dropout126

4.6.1个体与集成126

4.6.2 Dropout127

4.7深度学习编码实战中129

4.7.1 Dropout传播131

4.7.2组合Dropout传播层134

4.7.3 Dropout神经网络136

4.7.4解耦训练器trainer138

4.7.5解耦更新器updater143

4.7.6正则化实验145

4.8参考代码148

4.9参考文献150

第5章 深度学习优化152

5.1神经网络优化困难153

5.1.1局部最优153

5.1.2鞍点154

5.1.3梯度悬崖154

5.1.4梯度消失或梯度爆炸155

5.1.5梯度不精确156

5.1.6优化理论的局限性156

5.2随机梯度下降156

5.3动量学习法158

5.4 AdaGrad和RMSProp159

5.5 Adam160

5.6参数初始化策略161

5.7批量归一化163

5.7.1 BN算法详解163

5.7.2 BN传播详解165

5.8深度学习编码实战下166

5.8.1 Momentum167

5.8.2 RMSProp171

5.8.3 Adam172

5.8.4更新规则比较174

5.8.5 BN前向传播176

5.8.6 BN反向传播180

5.8.7使用BN的全连接网络182

5.8.8 BN算法与权重标准差比较188

5.9参考代码191

5.10参考文献195

第6章 卷积神经网络196

6.1卷积操作197

6.2卷积的意义198

6.2.1稀疏连接199

6.2.2参数共享200

6.3池化操作201

6.4设计卷积神经网络204

6.4.1跨步卷积204

6.4.2零填充205

6.4.3非共享卷积206

6.4.4平铺卷积207

6.5卷积网络编码练习208

6.5.1卷积前向传播209

6.5.2卷积反向传播212

6.5.3最大池化前向传播215

6.5.4最大池化反向传播218

6.5.5向量化执行220

6.5.6组合完整卷积层223

6.5.7浅层卷积网络224

6.5.8空间批量归一化229

6.6参考代码233

6.7参考文献237

第7章 循环神经网络238

7.1循环神经网络239

7.1.1循环神经元展开239

7.1.2循环网络训练240

7.2循环神经网络设计242

7.2.1双向循环网络结构242

7.2.2编码-解码网络结构243

7.2.3深度循环网络结构244

7.3门控循环神经网络245

7.3.1 LSTM246

7.3.2门控循环单元249

7.4 RNN编程练习250

7.4.1 RNN单步传播252

7.4.2 RNN时序传播255

7.4.3词嵌入258

7.4.4 RNN输出层261

7.4.5时序Softmax损失262

7.4.6 RNN图片说明任务264

7.5 LSTM编程练习269

7.5.1 LSTM单步传播269

7.5.2 LSTM时序传播273

7.5.3 LSTM实现图片说明任务276

7.6参考代码278

7.6.1 RNN参考代码278

7.6.2 LSTM参考代码282

7.7参考文献285

第8章 TensorFlow快速入门287

8.1 TensorFlow介绍288

8.2 TensorFlow 1.0安装指南289

8.2.1双版本切换Anaconda289

8.2.2安装CUDA 8.0291

8.2.3安装cuDNN292

8.2.4安装TensorFlow293

8.2.5验证安装294

8.3 TensorFlow基础295

8.3.1 Tensor295

8.3.2 TensorFlow核心API教程296

8.3.3 tf.train API299

8.3.4 tf.contrib.learn301

8.4 TensorFlow构造CNN305

8.4.1构建Softmax模型305

8.4.2使用TensorFlow训练模型307

8.4.3使用TensorFlow评估模型308

8.4.4使用TensorFlow构建卷积神经网络308

8.5 TensorBoard快速入门311

8.5.1 TensorBoard可视化学习312

8.5.2计算图可视化316