譯者序

前言

作者簡介

審校者簡介

第1章　人工智能系統(tǒng)基礎(chǔ)知識1

1.1　神經(jīng)網(wǎng)絡(luò)2

1.2　神經(jīng)激活單元5

1.2.1　線性激活單元5

1.2.2　sigmoid激活單元6

1.2.3　雙曲正切激活函數(shù)6

1.2.4　修正線性單元7

1.2.5　softmax激活單元9

1.3　用反向傳播算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)9

1.4　卷積神經(jīng)網(wǎng)絡(luò)12

1.5　循環(huán)神經(jīng)網(wǎng)絡(luò)13

1.6　生成對抗網(wǎng)絡(luò)16

1.7　強(qiáng)化學(xué)習(xí)18

1.7.1　Q學(xué)習(xí)19

1.7.2　深度Q學(xué)習(xí)20

1.8　遷移學(xué)習(xí)21

1.9　受限玻爾茲曼機(jī)22

1.10　自編碼器23

1.11　總結(jié)24

第2章　遷移學(xué)習(xí)26

2.1　技術(shù)要求26

2.2　遷移學(xué)習(xí)簡介27

2.3　遷移學(xué)習(xí)和糖尿病視網(wǎng)膜病變檢測28

2.4　糖尿病視網(wǎng)膜病變數(shù)據(jù)集29

2.5　定義損失函數(shù)30

2.6　考慮類別不平衡問題31

2.7　預(yù)處理圖像32

2.8　使用仿射變換生成額外數(shù)據(jù)33

2.8.1　旋轉(zhuǎn)34

2.8.2　平移34

2.8.3　縮放35

2.8.4　反射35

2.8.5　通過仿射變換生成額外的圖像36

2.9　網(wǎng)絡(luò)架構(gòu)36

2.9.1　VGG16遷移學(xué)習(xí)網(wǎng)絡(luò)38

2.9.2　InceptionV3遷移學(xué)習(xí)網(wǎng)絡(luò)39

2.9.3　ResNet50遷移學(xué)習(xí)網(wǎng)絡(luò)39

2.10　優(yōu)化器和初始學(xué)習(xí)率40

2.11　交叉驗(yàn)證40

2.12　基于驗(yàn)證對數(shù)損失的模型檢查點(diǎn)40

2.13　訓(xùn)練過程的Python實(shí)現(xiàn)41

2.14　類別分類結(jié)果50

2.15　在測試期間進(jìn)行推斷50

2.16　使用回歸而非類別分類52

2.17　使用keras sequential工具類生成器53

2.18　總結(jié)57

第3章　神經(jīng)機(jī)器翻譯58

3.1　技術(shù)要求59

3.2　基于規(guī)則的機(jī)器翻譯59

3.2.1　分析階段59

3.2.2　詞匯轉(zhuǎn)換階段60

3.2.3　生成階段60

3.3　統(tǒng)計(jì)機(jī)器學(xué)習(xí)系統(tǒng)60

3.3.1　語言模型61

3.3.2　翻譯模型63

3.4　神經(jīng)機(jī)器翻譯65

3.4.1　編碼器–解碼器模型65

3.4.2　使用編碼器–解碼器模型進(jìn)行推斷66

3.5　實(shí)現(xiàn)序列到序列的神經(jīng)機(jī)器翻譯67

3.5.1　處理輸入數(shù)據(jù)67

3.5.2　定義神經(jīng)翻譯機(jī)器的模型71

3.5.3　神經(jīng)翻譯機(jī)器的損失函數(shù)73

3.5.4　訓(xùn)練模型73

3.5.5　構(gòu)建推斷模型74

3.5.6　單詞向量嵌入78

3.5.7　嵌入層79

3.5.8　實(shí)現(xiàn)基于嵌入的NMT79

3.6　總結(jié)84

第4章　基于GAN的時(shí)尚風(fēng)格遷移85

4.1　技術(shù)要求85

4.2　DiscoGAN86

4.3　CycleGAN88

4.4　學(xué)習(xí)從手繪輪廓生成自然手提包89

4.5　預(yù)處理圖像89

4.6　DiscoGAN的生成器91

4.7　DiscoGAN的判別器93

4.8　構(gòu)建網(wǎng)絡(luò)和定義損失函數(shù)94

4.9　構(gòu)建訓(xùn)練過程97

4.10　GAN訓(xùn)練中的重要參數(shù)值99

4.11　啟動訓(xùn)練100

4.12　監(jiān)督生成器和判別器的損失101

4.13　DiscoGAN生成的樣例圖像103

4.14　總結(jié)104

第5章　視頻字幕應(yīng)用105

5.1　技術(shù)要求105

5.2　視頻字幕中的CNN和LSTM106

5.3　基于序列到序列的視頻字幕系統(tǒng)107

5.4　視頻字幕系統(tǒng)數(shù)據(jù)集109

5.5　處理視頻圖像以創(chuàng)建CNN特征110

5.6　處理視頻的帶標(biāo)簽字幕113

5.7　構(gòu)建訓(xùn)練集和測試集114

5.8　構(gòu)建模型115

5.8.1　定義模型的變量116

5.8.2　編碼階段117

5.8.3　解碼階段117

5.8.4　計(jì)算小批量損失118

5.9　為字幕創(chuàng)建單詞詞匯表118

5.10　訓(xùn)練模型119

5.11　訓(xùn)練結(jié)果123

5.12　對未見過的視頻進(jìn)行推斷124

5.12.1　推斷函數(shù)126

5.12.2　評估結(jié)果127

5.13　總結(jié)128

第6章　智能推薦系統(tǒng)129

6.1　技術(shù)要求129

6.2　什么是推薦系統(tǒng)129

6.3　基于潛在因子分解的推薦系統(tǒng)131

6.4　深度學(xué)習(xí)與潛在因子協(xié)同過濾132

6.5　SVD++136

6.6　基于受限玻爾茲曼機(jī)的推薦系統(tǒng)138

6.7　對比分歧139

6.8　使用RBM進(jìn)行協(xié)同過濾140

6.9　使用RBM實(shí)現(xiàn)協(xié)同過濾142

6.9.1　預(yù)處理輸入143

6.9.2　構(gòu)建RBM網(wǎng)絡(luò)進(jìn)行協(xié)作過濾144

6.9.3　訓(xùn)練RBM 147

6.10　使用訓(xùn)練好的RBM進(jìn)行推斷149

6.11　總結(jié)150

第7章　用于電影評論情感分析的移動應(yīng)用程序151

7.1　技術(shù)要求152

7.2　使用TensorFlow mobile構(gòu)建Android移動應(yīng)用程序152

7.3　Android應(yīng)用中的電影評論評分153

7.4　預(yù)處理電影評論文本154

7.5　構(gòu)建模型156

7.6　訓(xùn)練模型157

7.7　將模型凍結(jié)為protobuf格式159

7.8　為推斷創(chuàng)建單詞到表征的字典161

7.9　應(yīng)用程序交互界面設(shè)計(jì)162

7.10　Android應(yīng)用程序的核心邏輯164

7.11　測試移動應(yīng)用168

7.12　總結(jié)170

第8章　提供客戶服務(wù)的AI聊天機(jī)器人171

8.1　技術(shù)要求172

8.2　聊天機(jī)器人的架構(gòu)172

8.3　基于LSTM的序列到序列模型173

8.4　建立序列到序列模型174

8.5　Twitter平臺上的聊天機(jī)器人174

8.5.1　構(gòu)造聊天機(jī)器人的訓(xùn)練數(shù)據(jù)175

8.5.2　將文本數(shù)據(jù)轉(zhuǎn)換為單詞索引175

8.5.3　替換匿名用戶名176

8.5.4　定義模型176

8.5.5　用于訓(xùn)練模型的損失函數(shù)178

8.5.6　訓(xùn)練模型179

8.5.7　從模型生成輸出響應(yīng)180

8.5.8　所有代碼連起來180

8.5.9　開始訓(xùn)練181

8.5.10　對一些輸入推特的推斷結(jié)果181

8.6　總結(jié)182

第9章　基于增強(qiáng)學(xué)習(xí)的無人駕駛183

9.1　技術(shù)要求183

9.2　馬爾科夫決策過程184

9.3　學(xué)習(xí)Q值函數(shù)185

9.4　深度Q學(xué)習(xí)186

9.5　形式化損失函數(shù)186

9.6　深度雙Q學(xué)習(xí)187

9.7　實(shí)現(xiàn)一個(gè)無人駕駛車的代碼189

9.8　深度Q學(xué)習(xí)中的動作離散化189

9.9　實(shí)現(xiàn)深度雙Q值網(wǎng)絡(luò)190

9.10　設(shè)計(jì)智能體191

9.11　自動駕駛車的環(huán)境194

9.12　將所有代碼連起來197

9.13　訓(xùn)練結(jié)果202

9.14　總結(jié)203

第10章　從深度學(xué)習(xí)的角度看CAPTCHA204

10.1　技術(shù)要求205

10.2　通過深度學(xué)習(xí)破解CAPTCHA205

10.2.1　生成基本的CAPTCHA205

10.2.2　生成用于訓(xùn)練CAPTCHA破解器的數(shù)據(jù)206

10.2.3　CAPTCHA破解器的CNN架構(gòu)208

10.2.4　預(yù)處理CAPTCHA圖像208

10.2.5　將CAPTCHA字符轉(zhuǎn)換為類別209

10.2.6　數(shù)據(jù)生成器210

10.2.7　訓(xùn)練CAPTCHA破解器211

10.2.8　測試數(shù)據(jù)集的準(zhǔn)確性212

10.3　通過對抗學(xué)習(xí)生成CAPTCHA214

10.3.1　優(yōu)化GAN損失215

10.3.2　生成器網(wǎng)絡(luò)215

10.3.3　判別器網(wǎng)絡(luò)216

10.3.4　訓(xùn)練GAN219

10.3.5　噪聲分布220

10.3.6　數(shù)據(jù)預(yù)處理220

10.3.7　調(diào)用訓(xùn)練221

10.3.8　訓(xùn)練期間CAPTCHA的質(zhì)量222

10.3.9　使用訓(xùn)練后的生成器創(chuàng)建CAPTCHA224

10.4　總結(jié)225

總結(jié)

以上是生活随笔為你收集整理的python人工智能项目实战 桑塔努·帕塔纳亚克 pdf_Python人工智能项目实战的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。