作者:禅与计算机程序设计艺术
1.简介
1.1 写作目的
Python深度学习(DL)的兴起,是受到传统机器学习(ML)的启发。深度学习通过组合不同层次的神经网络单元(如卷积层、池化层、全连接层等),可以自动地从数据中提取出有效的信息,并对其进行分类、回归或预测。而Python语言天生拥有强大的科学计算能力及数据处理能力,因此能够很好地满足深度学习所需的数据准备、模型训练、结果分析等环节。此外,在AI领域,Python有着“AI界的JavaScript”的称号,具有极高的可扩展性和灵活性,可以作为各大领域的基础开发语言,成为各领域的标杆语言。那么,如何理解和运用Python在深度学习领域中的作用?该书将分享作者多年来在深度学习领域的研究成果,包括但不限于机器学习算法、深度学习框架、应用案例等方面,并将重点放在以下几个方面:
- 深度学习的核心概念、术语及应用场景。
- 使用Python实现深度学习模型的关键技术,如矩阵运算、激活函数、优化器、损失函数、数据加载等。
- 基于Python生态圈的深度学习平台及工具链,如PyTorch、TensorFlow、Scikit-learn、Keras等。
- 在实际生产环境中部署深度学习模型的典型流程,如前后端分离、