Keras快速上手 基于Python的深度学习实战pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

Keras快速上手 基于Python的深度学习实战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

1准备深度学习的环境 1

1.1 硬件环境的搭建和配置选择 1

1.1.1 通用图形处理单元 3

1.1.2 你需要什么样的GPU加速卡 6

1.1.3 你的GPU需要多少内存 6

1.1.4 是否应该用多个GPU 10

1.2 安装软件环境 12

1.2.1 所需软件列表 12

1.2.2 CUDA的安装 13

1.2.3 Python计算环境的安装 13

1.2.4 深度学习建模环境介绍 15

1.2.5 安装CNTK及对应的Keras 17

1.2.6 安装Theano计算环境 23

1.2.7 安装TensorFlow计算环境 25

1.2.8 安装cuDNN和CNMeM 27

2数据收集与处理 28

2.1 网络爬虫 28

2.1.1 网络爬虫技术 29

2.1.2 构造自己的Scrapy爬虫 30

2.1.3 构造可接受参数的Scrapy爬虫 35

2.1.4 运行Scrapy爬虫 36

2.1.5 运行Scrapy爬虫的一些要点 38

2.2 大规模非结构化数据的存储和分析 40

2.2.1 ElasticSearch介绍 42

2.2.2 ElasticSearch应用实例 44

3深度学习简介 57

3.1 概述 57

3.2 深度学习的统计学入门 58

3.3 一些基本概念的解释 61

3.3.1 深度学习中的函数类型 62

3.3.2 深度学习中的其他常见概念 65

3.4 梯度递减算法 67

3.5 后向传播算法 70

4Keras入门 72

4.1 Keras简介 72

4.2 Keras中的数据处理 73

4.2.1 文字预处理 74

4.2.2 序列数据预处理 82

4.2.3 图片数据输入 83

4.3 Keras中的模型 83

4.4 Keras中的重要对象 86

4.5 Keras中的网络层构造 90

4.6 使用Keras进行奇异值矩阵分解 102

5推荐系统 105

5.1 推荐系统简介 105

5.2 矩阵分解模型 108

5.3 深度神经网络模型 114

5.4 其他常用算法 117

5.5 评判模型指标 119

6图像识别 121

6.1 图像识别入门 121

6.2 卷积神经网络的介绍 122

6.3 端到端的MNIST训练数字识别 127

6.4 利用VGG 16网络进行字体识别 131

6.5 总结 135

7自然语言情感分析 136

7.1 自然语言情感分析简介 136

7.2 文字情感分析建模 139

7.2.1 词嵌入技术 139

7.2.2 多层全连接神经网络训练情感分析 140

7.2.3 卷积神经网络训练情感分析 143

7.2.4 循环神经网络训练情感分析 144

7.3 总结 146

8文字生成 147

8.1 文字生成和聊天机器人 147

8.2 基于检索的对话系统 148

8.3 基于深度学习的检索式对话系统 159

8.3.1 对话数据的构造 159

8.3.2 构造深度学习索引模型 162

8.4 基于文字生成的对话系统 166

8.5 总结 172

9时间序列 173

9.1 时间序列简介 173

9.2 基本概念 174

9.3 时间序列模型预测准确度的衡量 178

9.4 时间序列数据示例 179

9.5 简要回顾ARIMA时间序列模型 181

9.6 循环神经网络与时间序列模型 186

9.7 应用案例 188

9.7.1 长江汉口月度流量时间序列模型 190

9.7.2 国际航空月度乘客数时间序列模型 203

9.8 总结 209

10智能物联网 210

10.1 Azure和IoT 210

10.2 Azure IoT Hub服务 213

10.3 使用IoT Hub管理设备概述 215

10.4 使用.NET将模拟设备连接到IoT中心 218

10.5 机器学习应用实例 237