Python深度学习:基于TensorFlow

Python深度学习:基于TensorFlow

作者:吴茂贵

出版社:机械工业

出版年:2018年9月

ISBN:9787111609728

所属分类:网络科技

书刊介绍

《Python深度学习:基于TensorFlow》内容简介

在机器学习、深度学习中有很多抽象的概念、复杂的算法、深奥的理论,如Numpy的广播机制、神经网络中的共享参数、动量优化法、梯度消失或爆炸等,这些内容如果只用文字来描述,可能很难达到茅塞顿开的效果,但如果用一些图形来展现,再加上适当的文字说明,往往能取得非常好的效果,正所谓一张好图胜过千言万语。
吴茂贵,王冬,李涛,杨本法编著

作品目录

前言
第一部分
Python及应用数学基础
第1章:NumPy常用操作
第2章:Theano基础
第3章:线性代数
第4章:概率与信息论
第5章:概率图模型
第二部分
深度学习理论与应用
第6章:机器学习基础
第7章:深度学习挑战与策略
第8章:安装TensorFlow
第9章:TensorFlow基础
第10章:TensorFlow图像处理
第11章:TensorFlow神经元函数
第12章:TensorFlow自编码器
第13章:TensorFlow实现Word2Vec
第14章:TensorFlow卷积神经网络
第15章:TensorFlow循环神经网络
第16章:TensorFlow高层封装
第17章:情感分析
第18章:利用TensorFlow预测乳腺癌
第19章:聊天机器人
第20章:人脸识别
第三部分
扩展篇
第21章:强化学习基础
第22章:生成式对抗网络

热门书摘

如何把非线性数据集转换为线性数据集呢?这就是下节要介绍的内容,利用核函数技术,把非线性数据集映射到一个更高或无穷维的空间,在新空间转换为线性数据集。

序列式模型的网络结构比较简单,一个输入一个输出,函数式模型可以多个输入对应多个输出

TFLearn是一款具有Scikit-learn风格的高层封装,Scikit-learn已存在很多年,比较成熟,粉丝也很多

在整个训练集上构造索引之前,先可视化我们所拥有的数据类型。这将有助于我们决定如何设置最大序列长度的最佳值

g代表Encoder根据单词的中间表示合成整个句子中间语义表示的变换函数,在一般的做法中,g函数对构成元素加权求和

相关推荐

微信二维码