图书介绍

Python深度学习PDF|Epub|txt|kindle电子书版本网盘下载

Python深度学习
  • （印）尼基尔·盖德卡尔著；杜长营，苏辉译 著
  • 出版社： 北京：清华大学出版社
  • ISBN：9787302512875
  • 出版时间：2018
  • 标注页数：132页
  • 文件大小：17MB
  • 文件页数：140页
  • 主题词：软件工具－程序设计

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：56d59e0289a590c85047287cee5beb03

下载说明

Python深度学习PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

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

图书目录

第1章 深度学习介绍1

1.1 历史背景1

1.2 相关领域的进展3

1.3 先决条件3

1.4 后续章节概述4

1.5 安装所需函数库4

第2章 机器学习基础5

2.1 直觉5

2.2 二元分类5

2.3 回归6

2.4 泛化7

2.5 正规化12

2.6 总结14

第3章 前馈神经网络15

3.1 单元15

3.1.1 神经网络的整体结构16

3.1.2 用向量形式表示神经网络17

3.1.3 评估神经网络的输出18

3.1.4 神经网络训练19

3.2 使用极大似然估计成本函数20

3.2.1 二元交叉熵20

3.2.2 交叉熵21

3.2.3 平方差21

3.2.4 损失函数总结22

3.3 单元/激活函数/层的类型22

3.3.1 线性单元23

3.3.2 Sigmoid单元23

3.3.3 Softmax层23

3.3.4 线性整流函数24

3.3.5 双曲正切25

3.4 用AutoGrad手写神经网络25

3.5 总结27

第4章 Theano介绍28

4.1 什么是Theano28

4.2 上手Theano28

4.3 总结50

第5章 卷积神经网络52

5.1 卷积操作52

5.2 池化操作56

5.3 卷积-探测-池化57

5.4 其他卷积59

5.5 CNN背后的直觉61

5.6 总结61

第6章 递归神经网络62

6.1 RNN基础62

6.2 训练RNN65

6.3 双向RNN69

6.4 梯度爆炸和梯度消失72

6.5 梯度削减72

6.6 长短期记忆73

6.7 总结75

第7章 Keras介绍76

7.1 单层神经网络76

7.2 两层神经网络77

7.2.1 用于多元分类的两层神经网络79

7.2.2 两层神经网络的回归80

7.3 Keras快速迭代82

7.3.1 使用Keras构建卷积神经网络（CNN）85

7.3.2 使用Keras构建LSTM88

7.4 总结90

第8章 随机梯度下降91

8.1 优化问题91

8.2 最速下降的方法92

8.3 批量，随机（单例和迷你批）下降93

8.3.1 批量93

8.3.2 随机单例93

8.3.3 随机迷你批93

8.3.4 批量VS随机93

8.4 SGD的挑战94

8.4.1 局部最小值94

8.4.2 鞍点94

8.4.3 选择学习速率95

8.4.4 窄谷中进展缓慢96

8.5 SGD的算法变体97

8.5.1 动量97

8.5.2 Nesterov加速梯度（NAS）97

8.5.3 退火和学习速率计划98

8.5.4 Adagrad98

8.5.5 RMSProp99

8.5.6 Adadelta99

8.5.7 Adam99

8.5.8 弹性反向传播100

8.5.9 平衡SGD100

8.6 使用SGD的技巧和提示100

8.6.1 输入数据预处理101

8.6.2 激活函数的选择101

8.6.3 预处理目标值101

8.6.4 参数初始化102

8.6.5 打散数据102

8.6.6 批标准化102

8.6.7 提前停止102

8.6.8 梯度噪声102

8.7 并行和分布式SGD103

8.7.1 Hogwild103

8.7.2 Downpour103

8.8 用Downhill动手实践SGD104

8.9 总结109

第9章 自动求导110

9.1 数值求导110

9.2 符号求导111

9.3 自动求导基础112

9.3.1 正向/正切线性模型113

9.3.2 反向/余切/伴随线性模式115

9.3.3 自动求导实现117

9.4 源代码转换117

9.5 运算符重载117

9.6 用Autograd实现自动求导118

9.7 总结122

第10章 GPU介绍123

10.1 基于GPU计算的关键要素123

10.2 OpenCL系统物理视图124

10.3 OpenCL系统的逻辑视图125

10.4 OpenCL设备上的逻辑内存空间126

10.5 OpenCL设备的编程模型127

10.6 索引的符号128

10.7 总结132

热门推荐