作品简介
本书以一名深度学习学习者的视角展开深度学习相关的理论、技术和实践写作,因而命名为深度学习笔记。
本书作为一本以“笔记”命名的深度学习图书,主要定位是面向广大希望入门深度学习的初学者。书中以深度神经网络(DNN)、卷积神经网络(CNN)和循环神经网络(RNN)为核心,详细介绍了深度学习的理论基础、通用方法和三大网络的原理与实践。全书代码以Keras框架作为范例,对于初学者而言简单易懂。
出版时间2020-08-01
共 24 章
推荐序试读
前言试读
第1讲 神经网络与深度学习试读
第2讲 神经网络的过拟合与正则化试读
第3讲 深度学习的优化算法
第4讲 卷积神经网络
第5讲 CNN图像学习过程与可视化
第6讲 CNN图像分类:从LeNet5到EfficientNet
第7讲 CNN目标检测:从RCNN到YOLO
第8讲 CNN图像分割:从FCN到U-Net
第9讲 迁移学习理论与实践
第10讲 循环神经网络
第11讲 长短期记忆网络
第12讲 自然语言处理与词向量
第13讲 word2vec词向量
第14讲 seq2seq与注意力模型
第15讲 语音识别
第16讲 从Embedding到XLNet:NLP预训练模型简介
第17讲 深度生成模型之自编码器
第18讲 深度生成模型之生成式对抗网络
第19讲 神经风格迁移、深度强化学习与胶囊网络
第20讲 深度学习框架
第21讲 深度学习数据集
参考文献

