《Python深度学习从零开始学》简介
#好書推薦##好書奇遇季#深度學習入門書《Python深度學習從零開始學》，京東當當天貓都有發售。從模型和實驗入手，快速掌握深度學習技術。
業內大咖強力推薦！！！武漢大學信息管理學院教授 盧龍，騰訊云區域解決方案平臺部總經理 王剛，微軟（中國）有限公司首席技術顧問 管震，百度智能云華南區解決方案總監 黃龍，騰訊云AI應用產品中心總監 施明，騰訊云最有價值專家TVP，微軟最有價值專家MVP 彭愛華，亞馬遜云科技解決方案架構師 王華。
本書內容
本書共分13章，主要內容包括人工智能、機器學習和深度學習之間的關系，深度學習的環境搭建，深度學習的原理，深度學習框架TensorFlow和Keras，卷積神經網絡相關知識，圖像識別，情感分析，遷移學習，人臉識別，圖像風格遷移，生成對抗網絡等內容。本書從最簡單的常識出發來切入AI領域，打造平滑和興奮的學習體驗。本書配套示例源碼、PPT課件、數據集與答疑服務。
本書思路
深度學習如何高效入門可以說是AI領域老生常談的一個問題了，一種路徑是從傳統的統計學習開始，然后跟著書上推公式學數學；另一種路徑是從實驗入手，畢竟深度學習是一門實驗科學，通過學習深度學習框架TensorFlow和Keras以及具體的圖像識別的任務入手。
對于想要快速出成果的同學來說，第一種方法是不推薦的，除非你的數學很強想去做一些偏理論的工作，對于大部分人來說還是從深度模型入手，以實驗為主來學習比較合適。
本書立足實踐，以通俗易懂的方式詳細介紹深度學習的基礎理論以及相關的必要知識，同時以實際動手操作的方式來引導讀者入門人工智能深度學習。
本書讀者
本書作為零基礎入門書，既適合希望了解深度學習、使用深度學習框架快速上手的初學者和技術人員閱讀，也適合作為高等院校和培訓學校人工智能及相關專業的師生的實訓教材。
本書作者
宋立桓 ，IT資深技術專家，騰訊公司騰訊云解決方案架構師，主要負責為企業客戶提供顧問咨詢、培訓和方案設計服務。之前服務于微軟中國有限公司。目前專注于云計算 、大數據和人工智能，對區塊鏈的相關技術也有深入的研究。著有圖書《Cloudera Hadoop大數據平臺實戰指南》《AI制勝：機器學習極簡入門》《MySQL性能優化和高可用架構實踐》《云宇宙：互聯網新未來》等。
推薦語
人工智能時代已經到來，深度學習是對人類思考和決策行為的仿真。我的校友宋立桓的這本書有助于初學者建立有用的深度學習直覺，降低人工智能入門的門檻，使得初學者快速上手，提高學習興趣。
——盧龍?? 國家級人才稱號獲得者，美國耶魯大學博士后，武漢大學信息管理學院教授
在人工智能全面進入人類生活之時，世界各大科技巨頭公司都在這個領域百花齊放、百家爭鳴。深度學習是人工智能從概念提出到走向繁榮的主流實現技術,宋立桓以實戰應用簡述AI，每一位深度學習初學者都會開卷有益。
——王剛 騰訊云區域解決方案平臺部總經理
如果你想往人工智能領域發展，并著手找一本書籍來完成入門的話，宋老師這本書值得推薦給你。我認識宋老師這么多年，他一直沉浸在前沿技術的實踐中，這本書融入了他的技術心得，你能獲得理論和實踐的啟迪。
——管震 微軟（中國）有限公司首席技術顧問
深度學習讓計算機可以像人一樣不斷學習，不斷擁有新的智慧，為人類開啟了人工智能的大門。宋老師的這本書能幫助讀者快速上手，理解深度學習實戰應用，是深度學習初學者的理想選擇。
——黃龍 百度智能云華南區解決方案總監
AI技術應用勢頭迅猛，優秀人才短缺，誰先轉型，誰就占得職場先機。深度學習是人工智能研究中最前沿的領域，對于零基礎小白，怎樣快速入門深度學習呢？這本書適合非AI方向的零基礎讀者，書中理論與實踐并行，大大降低深度學習的門檻，易于新手上手學習。
——施明 騰訊云AI應用產品中心總監
對于數字化來說，人工智能是重中之重，而初學者往往對諸如深度學習、機器學習技術望而生畏，摸不著門道。宋老師的這本書則是及時雨，能幫我們快速掌握打開人工智能大門的鑰匙，書中不僅介紹了相關的理論和操作，還介紹了實際應用場景，推薦大家作為案頭必備。
——彭愛華? 騰訊云最有價值專家TVP，微軟最有價值專家MVP
深度學習是機器學習領域中非常熱門的方向，宋老師這本書立足于快速上手，你無須具備深度學習相關的背景知識即可展開閱讀。在學習完本書后，你將具備搭建自己的深度學習環境、建立圖像識別模型等能力，并能夠入門深度學習。
——王華 亞馬遜云科技解決方案架構師
目????錄
?第1章??人工智能、機器學習與深度學習簡介1
1.1??什么是人工智能1
1.2??人工智能的本質2
1.3??人工智能相關專業人才的就業前景4
1.4??機器學習和深度學習5
1.4.1??什么是機器學習5
1.4.2??深度學習獨領風騷7
1.4.3??機器學習和深度學習的關系和對比8
1.5??小白如何學深度學習10
1.5.1??關于兩個“放棄”10
1.5.2??關于三個“必須”11
?第2章??深度學習開發環境搭建13
2.1??Jupyter?Notebook極速入門13
2.1.1??什么是Jupyter?Notebook13
2.1.2??如何安裝和啟動Jupyter?Notebook14
2.1.3??Jupyter?Notebook的基本使用16
2.2??深度學習常用框架介紹18
2.3??Windows環境下安裝TensorFlow（CPU版本）和Keras19
2.4??Windows環境下安裝TensorFlow（GPU版本）和Keras21
2.4.1??確認顯卡是否支持CUDA21
2.4.2??安裝CUDA22
2.4.3??安裝cuDNN23
2.4.4??安裝TensorFlow（GPU版本）和Keras24
2.5??Windows環境下安裝PyTorch25
2.5.1??安裝PyTorch（CPU版本）25
2.5.2??安裝PyTorch（GPU版本）26
?第3章??Python數據科學庫28
3.1??張量、矩陣和向量28
3.2??數組和矩陣運算庫——NumPy29
3.2.1??列表和數組的區別29
3.2.2??創建數組的方法30
3.2.3??NumPy的算術運算30
3.2.4??數組變形31
3.3??數據分析處理庫——Pandas32
3.3.1??Pandas數據結構Series32
3.3.2??Pandas數據結構DataFrame33
3.3.3??Pandas處理CSV文件34
3.3.4??Pandas數據清洗35
3.4??數據可視化庫——Matplotlib37
?第4章??深度學習基礎40
4.1??神經網絡原理闡述40
4.1.1??神經元和感知器40
4.1.2??激活函數42
4.1.3??損失函數44
4.1.4??梯度下降和學習率45
4.1.5??過擬合和Dropout?46
4.1.6??神經網絡反向傳播法47
4.1.7??TensorFlow游樂場帶你玩轉神經網絡48
4.2??卷積神經網絡51
4.2.1??什么是卷積神經網絡51
4.2.2??卷積神經網絡詳解52
4.2.3??卷積神經網絡是如何訓練的?54
4.3??卷積神經網絡經典模型架構55
4.3.1??LeNet556
4.3.2??AlexNet59
4.3.3??VGGNet60
4.3.4??GoogLeNet61
4.3.5??ResNet63
?第5章??深度學習框架TensorFlow入門66
5.1??第一個TensorFlow的“Hello?world”66
5.2??TensorFlow程序結構66
5.3??TensorFlow常量、變量、占位符68
5.3.1??常量68
5.3.2??變量69
5.3.3??占位符71
5.4??TensorFlow案例實戰73
5.4.1??MNIST數字識別問題73
5.4.2??TensorFlow多層感知器識別手寫數字74
5.4.3??TensorFlow卷積神經網絡識別手寫數字79
5.5??可視化工具TensorBoard的使用84
?第6章??深度學習框架Keras入門88
6.1??Keras架構簡介88
6.2??Keras常用概念89
6.3??Keras創建神經網絡基本流程90
6.4??Keras創建神經網絡進行泰坦尼克號生還預測?93
6.4.1??案例項目背景和數據集介紹93
6.4.2??數據預處理96
6.4.3??建立模型97
6.4.4??編譯模型并進行訓練97
6.4.5??模型評估98
6.4.6??預測和模型的保存99
6.5??Keras創建神經網絡預測銀行客戶流失率100
6.5.1??案例項目背景和數據集介紹100
6.5.2??數據預處理102
6.5.3??建立模型103
6.5.4??編譯模型并進行訓練104
6.5.5??模型評估105
6.5.6??模型優化——使用深度神經網絡輔以Dropout正則化106
?第7章??數據預處理和模型評估指標108
7.1??數據預處理的重要性和原則108
7.2??數據預處理方法介紹109
7.2.1??數據預處理案例——標準化、歸一化、二值化109
7.2.2??數據預處理案例——缺失值補全、標簽化111
7.2.3??數據預處理案例——獨熱編碼113
7.2.4??通過數據預處理提高模型準確率114
7.3??常用的模型評估指標115
?第8章??圖像分類識別121
8.1??圖像識別的基礎知識121
8.1.1??計算機是如何表示圖像121
8.1.2??卷積神經網絡為什么能稱霸計算機圖像識別領域122
8.2??實例一：手寫數字識別125
8.2.1??MNIST手寫數字識別數據集介紹125
8.2.2??數據預處理126
8.2.3??建立模型127
8.2.4??進行訓練129
8.2.5??模型保存和評估130
8.2.6??進行預測130
8.3??實例二：CIFAR-10圖像識別130
8.3.1??CIFAR-10圖像數據集介紹131
8.3.2??數據預處理132
8.3.3??建立模型132
8.3.4??進行訓練133
8.3.5??模型評估135
8.3.6??進行預測135
8.4??實例三：貓狗識別137
8.4.1??貓狗數據集介紹137
8.4.2??建立模型139
8.4.3??數據預處理140
8.4.4??進行訓練141
8.4.5??模型保存和評估142
8.4.6??進行預測143
8.4.7??模型的改進優化144
?第9章??IMDB電影評論情感分析148
9.1??IMDB電影數據集和影評文字處理介紹148
9.2??基于多層感知器模型的電影評論情感分析152
9.2.1??加入嵌入層152
9.2.2??建立多層感知器模型152
9.2.3??模型訓練和評估153
9.2.4??預測155
9.3??基于RNN模型的電影評論情感分析157
9.3.1??為什么要使用RNN模型157
9.3.2??RNN模型原理158
9.3.3??使用RNN模型進行影評情感分析159
9.4??基于LSTM模型的電影評論情感分析159
9.4.1??LSTM模型介紹160
9.4.2??使用LTSM模型進行影評情感分析161
?第10章??遷移學習162
10.1??遷移學習簡介162
10.2??什么是預訓練模型163
10.3??如何使用預訓練模型164
10.4??在貓狗識別的任務上使用遷移學習165
10.5??在MNIST手寫體分類上使用遷移學習168
10.6??遷移學習總結171
?第11章??人臉識別實踐172
11.1??人臉識別172
11.1.1??什么是人臉識別172
11.1.2??人臉識別的步驟173
11.2??人臉檢測和關鍵點定位實戰176
11.3??人臉表情分析情緒識別實戰180
11.4??我能認識你——人臉識別實戰184
?第12章??圖像風格遷移188
12.1??圖像風格遷移簡介188
12.2??使用預訓練的VGG16模型進行風格遷移191
12.2.1??算法思想191
12.2.2??算法細節192
12.2.3??代碼實現194
12.3??圖像風格遷移總結201
?第13章??生成對抗網絡202
13.1??什么是生成對抗網絡202
13.2??生成對抗網絡算法細節204
13.3??循環生成對抗網絡206
13.4??利用CycleGAN進行圖像風格遷移209
13.4.1??導入必要的庫210
13.4.2??數據處理210
13.4.3??生成網絡212
13.4.4??判別網絡214
13.4.5??整體網絡結構的搭建215
13.4.6??訓練代碼217
13.4.7??結果展示219
后記??進一步深入學習220
總結
以上是生活随笔為你收集整理的《Python深度学习从零开始学》简介的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 计算机关闭后剪切板的内容会消失,清除wi
- 下一篇： python32位和64位有什么区别_p