【概率深度学习简介】

        通过《概率深度学习 使用Python、Keras和TensorFlow Probability》,我们希望将深度学习的基础概率原理介绍给更广泛的读者。实质上,在深度学习中,几乎所有的神经网络都是概率模型。

       这其中有两个强大的概率原理,它们分别是最大似然和贝叶斯。 其中最大似然支配着所有传统的深度学习方法。将网络理解为采用 最大似然原理训练得到的概率模型,可以帮助提高网络性能,就像 谷歌从 WaveNet 提升到 WaveNet++时所做的那样,也可以用来生成令人惊叹的应用程序,就像 OpenAI Glow(Glow 是一个生成逼真人脸图像的强大网络)中所做的那样。当网络需要表达“我不确定” 时,贝叶斯方法就会发挥作用。奇怪的是,传统的神经网络无法做到这一点。本书的副标题是“使用 PythonKeras TensorFlow Probability”,它反映了这样一个事实:你应该亲自动手编写一些代码。

 

读者对象
     《概率深度学习 使用Python、Keras和TensorFlow Probability》 是为那些想要了解深度学习的基本概率原理的人编写的。 理想情况下,你最好具有一些深度学习或机器学习方面的基础,不
会抵触少许的数学和 Python 代码。我们不会省去必要的数学推导, 同时在代码中也会包含示例。我们相信将数学与代码相结合,更能加深你的理解
   
     

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 想了解更多关于《概率深度学习 使用Python、Keras和TensorFlow Probability》的内容,请点击:

《概率深度学习 使用Python、Keras和TensorFlow Probability》([德]奥利弗·杜尔(Oliver Dürr),贝亚特·西克(Beate Sick))【摘要 书评 试读】- 京东图书京东JD.COM图书频道为您提供《概率深度学习 使用Python、Keras和TensorFlow Probability》在线选购,本书作者:,出版社:清华大学出版社。买图书,到京东。网购图书,享受最低优惠折扣!icon-default.png?t=M4ADhttps://item.jd.com/13130263.html

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值