內容簡介

採用Python編寫的Keras能夠快速準確地訓練卷積和遞迴神經網路，這使得Keras在很短的時間裡就成為一個流行的深度學習庫。

本書介紹了如何在時下流行的Keras庫的幫助下，解決訓練深度學習模型時遇到的各種問題。從安裝和設置Keras開始，展示了如何使用Keras進行深度學習；從載入資料到擬合、評估模型獲得性能，逐步解決工作過程中遇到的每一個問題。在本書的幫助下，你可以分別實現卷積神經網路、遞迴神經網路、生成式對抗網路等。除此之外，本書還講述了如何訓練這些模型以完成影像處理和語言處理的任務。

本書最後還給出了一些實例，可以説明你直觀地瞭解Python和Keras在深度學習上的強大功能
通過閱讀本書，你將學到：
在TensorFlow中安裝和配置Keras
使用Keras庫進行神經網路程式設計
瞭解不同的Keras層
使用Keras實現簡單的前饋神經網路、卷積神經網路和遞迴神經網路
使用各種資料集和模型進行圖像和文本分類
使用Keras開發文本摘要和強化學習模型

作者介紹

拉蒂普·杜瓦（Rajdeep Dua）在雲計算和大資料領域擁有超過18年的經驗。他曾在IIIT Hyderabad、ISB、IIIT Delhi和Pune College of Engineering等印度一些久負盛名的科技大學教授Spark和大資料。他目前是Salesforce印度分公司開發人員團隊的負責人，曾在海德拉巴舉行的W3C會議上展示BigQuery和Google App Engine，並領導過Google、VMware和Microsoft的開發團隊，在雲計算相關的數百個會議上發表過演講。

曼普里特·辛格·古特（Manpreet Singh Ghotra）在企業軟體和大資料軟體的開發領域擁有超過15年的經驗。他目前在Salesforce使用Keras、Apache Spark和TensorFlow等開源庫和框架從事機器學習平臺/API的開發。他曾涉足過多個機器學習系統領域，包括情感分析、垃圾郵件檢測和異常檢測。此外，他還曾是線上零售商之一的機器學習團隊的成員，使用Apache Mahout計算轉運時間、開發推薦系統。

譯者序
審校者簡介
前言
第1章　Keras安裝 1
1.1　引言 1
1.2　在Ubuntu 16.04上安裝Keras 1
1.2.1　準備工作 2
1.2.2　怎麼做 2
1.3　在Docker鏡像中使用Jupyter Notebook安裝Keras 7
1.3.1　準備工作 7
1.3.2　怎麼做 7
1.4　在已啟動GPU的Ubuntu 16.04上安裝Keras 9
1.4.1　準備工作 9
1.4.2　怎麼做 10

第2章　Keras資料集和模型 13
2.1　引言 13
2.2　CIFAR-10資料集 13
2.3　CIFAR-100資料集 15
2.4　MNIST資料集 17
2.5　從CSV檔載入資料 18
2.6　Keras模型入門 19
2.6.1　模型的剖析 19
2.6.2　模型類型 19
2.7　序貫模型 20
2.8　共用層模型 27
2.8.1　共用輸入層簡介 27
2.8.2　怎麼做 27
2.9　Keras函數API 29
2.9.1　怎麼做 29
2.9.2　示例的輸出 31
2.10　Keras函數API——連結層 31
2.11　使用Keras函數API進行圖像分類 32

第3章　數據預處理、優化和視覺化 36
3.1　圖像資料特徵標準化 36
3.1.1　準備工作 36
3.1.2　怎麼做 37
3.2　序列填充 39
3.2.1　準備工作 39
3.2.2　怎麼做 39
3.3　模型視覺化 41
3.3.1　準備工作 41
3.3.2　怎麼做 41
3.4　優化 43
3.5　示例通用代碼 43
3.6　隨機梯度下降優化法 44
3.6.1　準備工作 44
3.6.2　怎麼做 44
3.7　Adam優化演算法 47
3.7.1　準備工作 47
3.7.2　怎麼做 47
3.8　AdaDelta優化演算法 50
3.8.1　準備工作 51
3.8.2　怎麼做 51
3.9　使用RMSProp進行優化 54
3.9.1　準備工作 54
3.9.2　怎麼做 54

第4章　使用不同的Keras層實現分類 58
4.1　引言 58
4.2　乳腺癌分類 58
4.3　垃圾資訊檢測分類 66

第5章　卷積神經網路的實現 73
5.1　引言 73
5.2　宮頸癌分類 73
5.2.1　準備工作 74
5.2.2　怎麼做 74
5.3　數位識別 84
5.3.1　準備工作 84
5.3.2　怎麼做 85

第6章　生成式對抗網路 89
6.1　引言 89
6.2　基本的生成式對抗網路 90
6.2.1　準備工作 91
6.2.2　怎麼做 91
6.3　邊界搜索生成式對抗網路 98
6.3.1　準備工作 99
6.3.2　怎麼做 100
6.4　深度卷積生成式對抗網路 106
6.4.1　準備工作 107
6.4.2　怎麼做 108

第7章　遞迴神經網路 116
7.1　引言 116
7.2　用於時間序列資料的簡單RNN 117
7.2.1　準備工作 118
7.2.2　怎麼做 119
7.3　時間序列資料的LSTM網路 128
7.3.1　LSTM網路 128
7.3.2　LSTM記憶示例 129
7.3.3　準備工作 129
7.3.4　怎麼做 129
7.4　使用LSTM進行時間序列預測 133
7.4.1　準備工作 134
7.4.2　怎麼做 135
7.5　基於LSTM的等長輸出序列到序列學習 143
7.5.1　準備工作 143
7.5.2　怎麼做 144

第8章　使用Keras模型進行自然語言處理 150
8.1　引言 150
8.2　詞嵌入 150
8.2.1　準備工作 151
8.2.2　怎麼做 151
8.3　情感分析 157
8.3.1　準備工作 157
8.3.2　怎麼做 159
8.3.3　完整代碼清單 162

第9章　基於Keras模型的文本摘要 164
9.1　引言 164
9.2　評論的文本摘要 164
9.2.1　怎麼做 165
9.2.2　參考資料 172

第10章　強化學習 173
10.1　引言 173
10.2　使用Keras進行《CartPole》遊戲 174
10.3　使用競爭DQN演算法進行《CartPole》遊戲 181
10.3.1　準備工作 183
10.3.2　怎麼做 187

看更多

詳細資料

ISBN：9787111626275
規格：平裝 / 190頁 / 16k / 19 x 26 x 1 cm / 普通級 / 單色印刷 / 1-1
出版地：中國

本書分類：電腦資訊> 計算機概論

主題活動

閱讀媒合所｜寫書評送25元E-Coupon

購物說明

溫馨提醒您：若您訂單中有購買簡體館無庫存/預售書或庫存於海外廠商的書籍，建議與其他商品分開下單，以避免等待時間過長，謝謝。

大陸出版品書況：因裝幀品質及貨運條件未臻完善，書況與台灣出版品落差甚大，封面老舊、出現磨痕、凹痕等均屬常態，故簡體字館除封面破損、內頁脫落...等較嚴重的狀態外，其餘所有商品將正常出貨。

請注意，部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。

調貨時間：若您購買海外庫存之商品，於您完成訂購後，商品原則上約45個工作天內抵台(若有將延遲另行告知)。為了縮短等待的時間，建議您將簡體書與其它商品分開訂購，以利一般商品快速出貨。

若您具有法人身份為常態性且大量購書者，或有特殊作業需求，建議您可洽詢「企業採購」。

退換貨說明

會員所購買的商品均享有到貨十天的猶豫期（含例假日）。退回之商品必須於猶豫期內寄回。

辦理退換貨時，商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性，切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者，恐將影響退貨權益或需負擔部分費用。

訂購本商品前請務必詳閱商品退換貨原則。