图书介绍
Python深度学习pdf电子书版本下载
- （印）尼基尔·盖德卡尔著；杜长营，苏辉译 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302512875
- 出版时间：2018
- 标注页数：132页
- 文件大小：17MB
- 文件页数：140页
- 主题词：软件工具－程序设计
PDF下载
下载说明
Python深度学习PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 深度学习介绍 1
1.1 历史背景 1
1.2 相关领域的进展 3
1.3 先决条件 3
1.4 后续章节概述 4
1.5 安装所需函数库 4
第2章 机器学习基础 5
2.1 直觉 5
2.2 二元分类 5
2.3 回归 6
2.4 泛化 7
2.5 正规化 12
2.6 总结 14
第3章 前馈神经网络 15
3.1 单元 15
3.1.1 神经网络的整体结构 16
3.1.2 用向量形式表示神经网络 17
3.1.3 评估神经网络的输出 18
3.1.4 神经网络训练 19
3.2 使用极大似然估计成本函数 20
3.2.1 二元交叉熵 20
3.2.2 交叉熵 21
3.2.3 平方差 21
3.2.4 损失函数总结 22
3.3 单元/激活函数/层的类型 22
3.3.1 线性单元 23
3.3.2 Sigmoid单元 23
3.3.3 Softmax层 23
3.3.4 线性整流函数 24
3.3.5 双曲正切 25
3.4 用AutoGrad手写神经网络 25
3.5 总结 27
第4章 Theano介绍 28
4.1 什么是Theano 28
4.2 上手Theano 28
4.3 总结 50
第5章 卷积神经网络 52
5.1 卷积操作 52
5.2 池化操作 56
5.3 卷积-探测-池化 57
5.4 其他卷积 59
5.5 CNN背后的直觉 61
5.6 总结 61
第6章 递归神经网络 62
6.1 RNN基础 62
6.2 训练RNN 65
6.3 双向RNN 69
6.4 梯度爆炸和梯度消失 72
6.5 梯度削减 72
6.6 长短期记忆 73
6.7 总结 75
第7章 Keras介绍 76
7.1 单层神经网络 76
7.2 两层神经网络 77
7.2.1 用于多元分类的两层神经网络 79
7.2.2 两层神经网络的回归 80
7.3 Keras快速迭代 82
7.3.1 使用Keras构建卷积神经网络（CNN） 85
7.3.2 使用Keras构建LSTM 88
7.4 总结 90
第8章 随机梯度下降 91
8.1 优化问题 91
8.2 最速下降的方法 92
8.3 批量，随机（单例和迷你批）下降 93
8.3.1 批量 93
8.3.2 随机单例 93
8.3.3 随机迷你批 93
8.3.4 批量VS随机 93
8.4 SGD的挑战 94
8.4.1 局部最小值 94
8.4.2 鞍点 94
8.4.3 选择学习速率 95
8.4.4 窄谷中进展缓慢 96
8.5 SGD的算法变体 97
8.5.1 动量 97
8.5.2 Nesterov加速梯度（NAS） 97
8.5.3 退火和学习速率计划 98
8.5.4 Adagrad 98
8.5.5 RMSProp 99
8.5.6 Adadelta 99
8.5.7 Adam 99
8.5.8 弹性反向传播 100
8.5.9 平衡SGD 100
8.6 使用SGD的技巧和提示 100
8.6.1 输入数据预处理 101
8.6.2 激活函数的选择 101
8.6.3 预处理目标值 101
8.6.4 参数初始化 102
8.6.5 打散数据 102
8.6.6 批标准化 102
8.6.7 提前停止 102
8.6.8 梯度噪声 102
8.7 并行和分布式SGD 103
8.7.1 Hogwild 103
8.7.2 Downpour 103
8.8 用Downhill动手实践SGD 104
8.9 总结 109
第9章 自动求导 110
9.1 数值求导 110
9.2 符号求导 111
9.3 自动求导基础 112
9.3.1 正向/正切线性模型 113
9.3.2 反向/余切/伴随线性模式 115
9.3.3 自动求导实现 117
9.4 源代码转换 117
9.5 运算符重载 117
9.6 用Autograd实现自动求导 118
9.7 总结 122
第10章 GPU介绍 123
10.1 基于GPU计算的关键要素 123
10.2 OpenCL系统物理视图 124
10.3 OpenCL系统的逻辑视图 125
10.4 OpenCL设备上的逻辑内存空间 126
10.5 OpenCL设备的编程模型 127
10.6 索引的符号 128
10.7 总结 132