內容簡介

深度學習是目前人工智慧研究中前沿、有效的一項技術，主要通過構建深度神經網路解決視覺、自然語言處理、語音識別等諸多領域的問題。百度在2016年發布了國內首個開源深度學習框架PaddlePaddle，簡化了深度學習演算法的實現步驟，提供了靈活、易用的介面，同時支持分散式訓練。

本書由簡單的例子引入深度學習和PaddlePaddle框架，介紹了PaddlePaddle的安裝、測試與基本使用，並結合PaddlePaddle介面介紹深度學習的基礎知識，包括常用的神經網路和演算法。最後，通過一系列深度學習項目實例介紹PaddlePaddle在各種場景和問題中的應用，讓讀者由淺至深地理解並運用深度學習解決實際問題。

作者介紹

程天恒，從PaddlePaddle框架開源開始使用至今，積累了豐富的使用經驗。參加過亞洲超級計算競賽、RDMA编程比赛等，并在这些比赛中获得过奖项，目前专注于深度学习科研工作，主要研究领域为计算机视觉、深度强化学习。

第1 章深度學習簡介 .............................................................................................................. 1
1.1 初見 ....................................................................................................................................... 1
1.2 機器學習 ............................................................................................................................... 1
1.3 神經網路 ............................................................................................................................... 3
1.4 深度學習介紹 ....................................................................................................................... 7
1.5 深度學習應用 ....................................................................................................................... 8
1.6 深度學習框架 ..................................................................................................................... 12
1.7 深度學習的未來 ................................................................................................................. 15

第2 章 PaddlePaddle 簡介 ................................................................................................... 16
2.1 安裝PaddlePaddle ............................................................................................................... 16
2.2 測試PaddlePaddle ............................................................................................................... 29

第3 章初探手寫數位識別 .................................................................................................... 31

第4 章 PaddlePaddle 基本用法 ........................................................................................... 44
4.1 數據準備 ............................................................................................................................. 44
4.2 原始資料讀取及預處理 ..................................................................................................... 44
4.3 PaddlePaddle 訓練數據 ....................................................................................................... 46
4.4 模型配置 ............................................................................................................................. 52
4.5 啟動函數 ............................................................................................................................. 58
4.6 優化方法 ............................................................................................................................. 64
4.7 損失函數 ............................................................................................................................. 72
4.8 均方損失函數 ..................................................................................................................... 73
4.9 交叉熵損失函數 ................................................................................................................. 73
4.10 Huber 損失函數 ................................................................................................................ 74
4.11 CRF 損失函數 ................................................................................................................... 74
4.12 CTC 損失函數 ................................................................................................................... 75
4.13 反向傳播演算法 ................................................................................................................... 75

第5 章卷積神經網路 ............................................................................................................ 78
5.1 卷積神經網路 ..................................................................................................................... 78
5.2 實例學習 ............................................................................................................................. 87
5.3 拓展 ................................................................................................................................... 112

第6 章迴圈神經網路 .......................................................................................................... 118
6.1 RNN 簡介 .......................................................................................................................... 118
6.2 雙向迴圈神經網路 ........................................................................................................... 121
6.3 迴圈神經網路使用場景 ................................................................................................... 127
6.4 預測sin 函數序列 ............................................................................................................. 129
6.5 拓展 ................................................................................................................................... 134

第7 章 PaddlePaddle 實戰 ................................................................................................. 136
7.1 自編碼器 ........................................................................................................................... 136
7.2 PaddlePaddle 實現自編碼器 ............................................................................................. 137
7.3 實戰OCR 識別（一） ..................................................................................................... 140
7.4 實戰OCR 識別（二） ..................................................................................................... 150
7.5 情感分析 ........................................................................................................................... 164
7.6 Seq2Seq 及其應用 ............................................................................................................ 172
7.7 實現 ................................................................................................................................... 178
7.8 Image Caption .................................................................................................................... 194

第8 章深度學習新星：生成對抗網路GAN ....................................................................... 208
8.1 生成對抗網路（GAN） ................................................................................................... 208
8.2 GAN 的其他應用 .............................................................................................................. 213
第9 章強化學習與AlphaGo .............................................................................................. 216

看更多