keras之父《python深度学习》笔记
本专栏是keras的发明者写的深度学习入门书,适合想入门深度学习的人。讲的知识贴近实战,有没有太多深奥的数学推导,通俗易懂,适合新手
都督美州诸军事
这个作者很懒,什么都没留下…
展开
-
keras之父《python深度学习》笔记 第五章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档深度学习用于计算机视觉前言一、卷积神经网络介绍1.卷积神经网络简介2.卷积网络特点3.卷积网络中一些重要操作4.池化层二、在一个小数据集上从头训练一个卷积神经网络1.深度学习处理小数据问题2.获取数据3.构建网络4.数据预处理5.进行数据增强三、使用预训练模型1.特征提取2.模型微调总结前言原书是分为上下两部分,上部理论更多,下部更偏实战,这是下部的第一章,深度学习用于计算机视觉提示:以下是本篇文章正文内容,下面案例可供参考一、原创 2020-11-14 17:13:39 · 300 阅读 · 0 评论 -
keras之父《python深度学习》笔记 第三章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、神经网络剖析二、使用步骤1.引入库2.读入数据总结前言本节介绍安装tensorflow和keras的过程,在配置好环境之后运行三个代码,分别解决二分类问题,多分类问题和回归问题,通过这一章内容能够对深度学习有更好的认识。提示:以下是本篇文章正文内容,下面案例可供参考一、神经网络剖析训练神经网络一般是围绕以下四个方面层 多个层堆叠组合在一起组合成了神经网络输入数据和相应的目标数据是决定上限的关键,优化算法只能原创 2020-11-13 16:01:12 · 211 阅读 · 0 评论 -
keras之父《python深度学习》笔记 第四章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档机器学习基础前言一、机器学习的四个分支1.监督学习2.无监督学习3.自监督学习4.强化学习二、评估机器学习模型1.训练集、验证集和测试集三、数据预处理和特征学习1.神经网络的数据预处理四、欠拟合和过拟合处理1.正则化总结前言学完第3 章的三个实例,你应该已经知道如何用神经网络解决分类问题和回归问题,而且也看到了机器学习的核心难题:过拟合。本章会将你对这些问题的直觉固化为解决深度学习问题的可靠的概念框架。我们将把所有这些概念——模型评估原创 2020-11-13 18:26:31 · 232 阅读 · 0 评论 -
keras之父《python深度学习》笔记 第二章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档神经网络数学基础介绍一、初识神经网络1.导入数据2.网络架构3.编译步骤4.准备图像数据和标签5.训练过程二、神经网络的数据表示1.什么是张量2.张量关键属性三、张量计算1.逐个元素计算2.广播计算3.点积计算4.张量变形四、基于梯度的优化1.神经网络优化过程2.随机梯度下降3.反向传播算法总结介绍本章根据一个基础的神经网络示例,引出张量和梯度下降的概念,帮助初学者初步理解神经网络的工作原理提示:以下是本篇文章正文内容,下面案例可原创 2020-11-12 17:29:03 · 944 阅读 · 2 评论 -
keras之父《python深度学习》笔记 第一章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档《Python 深度学习》第一章 什么是深度学习前言一、人工智能、机器学习与深度学习1.人工智能2.机器学习3.从数据中学习表示4.深度学习之“深度”5.解析深度学习原理前言本书由 Keras 之父、现任 Google 人工智能研究员的弗朗索瓦 · 肖莱(Francois Chollet)执笔,详尽介绍了用 Python 和 Keras 进行深度学习的探索实践,包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例,原创 2020-11-11 18:34:04 · 340 阅读 · 0 评论 -
keras之父《python深度学习》笔记 第六章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档深度学习用于文本和序列前言一、处理文本数据1.文本向量化介绍2.one-hot编码3.embedding编码4.预训练词向量处理文本问题二、循环神经网络理论讲解1.RNN基础知识2.keras中的循环神经网络3.RNN改造版LSTM和GRU4.keras实现LSTM三、循环神经网络高级用法1.温度预测问题2.数据预处理3.全连接神经网络处理4.GRU神经网络处理5.循环层堆叠6.双向RNN四、卷积神经网络处理序列1.序列数据应用一维卷积2.原创 2020-11-16 17:40:09 · 303 阅读 · 0 评论 -
keras之父《python深度学习》笔记 第七章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档keras高级功能实践前言一、Keras 函数式API1.Sequential 模型的局限性2.函数式API 简介3.多输出模型4.层组成的有向无环图二、使用步骤1.引入库2.读入数据总结前言本章将介绍几种强大的工具,可以让你朝着针对困难问题来开发最先进模型这一目标更近一步。利用Keras 函数式API,你可以构建类图(graph-like)模型、在不同的输入之间共享某一层,并且还可以像使用Python 函数一样使用Keras 模原创 2020-11-17 15:27:00 · 404 阅读 · 1 评论 -
keras之父《python深度学习》笔记 第八章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档生成式深度学习前言一、使用LSTM 生成文本1.生成式网络的历史2.如何生成序列数据3.采样策略的重要性4.字符级LSTM文本生成实现二、DeepDream1.DeepDream介绍2.用Keras 实现DeepDream三、神经风格迁移1.内容损失2.风格损失3.用Keras 实现神经风格迁移四、用变分自编码器生成图像1.从图像的潜在空间中采样2.图像编辑的概念向量3.变分自编码器五、生成式对抗网络简介1.GAN 的简要实现流程2.大量技原创 2020-11-17 18:35:55 · 594 阅读 · 1 评论 -
keras之父《python深度学习》笔记 第九章
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档总结前言一、重点内容回顾1.人工智能的各种方法2.深度学习在机器学习领域中的特殊之处3.如何看待深度学习4.关键的推动技术5.机器学习的通用工作流程6.关键网络架构7.可能性空间二、深度学习的局限性1.将机器学习模型拟人化的风险2.局部泛化与极端泛化3.总结三、深度学习的未来1.模型即程序2.超越反向传播和可微层3.自动化机器学习4.终身学习与模块化子程序复用5.长期愿景四、了解一个快速发展领域的最新进展1.使用Kaggle 练习解决现实世原创 2020-11-17 19:42:58 · 676 阅读 · 1 评论