本書基本獨(dú)立成冊，適用于零基礎(chǔ)的初學(xué)者。

概述

本書以較為通俗的語言介紹了深度學(xué)習(xí)的方方面面，從機(jī)器學(xué)習(xí)的基本任務(wù)到CNN、RNN，再到殘差網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、GAN等；講述時將部分公式用比較通俗的語言進(jìn)行了解釋，便于建立直觀的認(rèn)識；使用TensorFlow工具介紹了手寫板、圖片分類、自動文本生成等基礎(chǔ)學(xué)習(xí)案例。本人認(rèn)為最具特點的一章是第七章解釋了一些機(jī)器學(xué)習(xí)中通用的問題，比如歸一化、正則化、超參數(shù)等等。

基礎(chǔ)篇（第1～3章），講解了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與實踐的上下文知識，如基本的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法，TensorFlow框架的安全與配置，簡單的深度學(xué)習(xí)實踐。該篇是閱讀和實踐的基石。

原理與實踐篇（第4～8章），介紹“老牌”的深度學(xué)習(xí)網(wǎng)絡(luò)的數(shù)學(xué)原理和工程實現(xiàn)原理，尤其是第4章，如果能基本讀懂，后面的網(wǎng)絡(luò)實現(xiàn)層面的問題基本都可以迎刃而解。涵蓋BP網(wǎng)絡(luò)、CNN、RNN的結(jié)構(gòu)、思路、訓(xùn)練與使用，以及一些常見的綜合性問題。該篇是學(xué)習(xí)深度學(xué)習(xí)的重點和難點，作者通過大量示例、推理與實現(xiàn)，幫讀者*大化降低學(xué)習(xí)曲線。

擴(kuò)展篇（第9～13章），介紹一些網(wǎng)絡(luò)的變種和一些較新的網(wǎng)絡(luò)特性，涵蓋深度殘差網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、強(qiáng)化學(xué)習(xí)、對抗學(xué)習(xí)，這是讀者進(jìn)一步學(xué)習(xí)與實踐思路的鑰匙。最后給出了一些有趣的深度學(xué)習(xí)應(yīng)用：人臉識別、作詩姬、大師風(fēng)圖像處理，有趣又有用。

內(nèi)容

章節(jié)遞進(jìn)關(guān)系

基礎(chǔ)篇

1 機(jī)器學(xué)習(xí)是什么

介紹基本學(xué)習(xí)基本概念，基本任務(wù)的分類包括分類、聚類、回歸，以及結(jié)合多種任務(wù)的綜合應(yīng)用。

2 深度學(xué)習(xí)是什么

介紹神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)，包括神經(jīng)元、激活函數(shù)等，深度學(xué)習(xí)的基本概念，并解釋了深度學(xué)習(xí)為什么具備這么強(qiáng)的特性，最后列舉了目前基于深度學(xué)習(xí)的一些商業(yè)案例。

3 TensorFlow框架與安裝

介紹了TensorFlow框架的特點以及與其他框架的特性比較，并介紹了TensorFlow的集群、可視化、線上部署等高級特性。

原理與實踐篇

4 前饋神經(jīng)網(wǎng)絡(luò)

首先介紹了導(dǎo)數(shù)、梯度下降、凸函數(shù)極值求解等基本概念，從線性回歸求解入手逐步介紹神經(jīng)網(wǎng)絡(luò)的求解過程，在求解過程中解釋了數(shù)據(jù)樣本的訓(xùn)練集、驗證集以及測試集。

5 手寫板識別

基于MNIST數(shù)據(jù)集，以TensorFlow為工具介紹了手寫數(shù)字識別案例，介紹了一個機(jī)器學(xué)習(xí)項目的基本流程。

6 卷積神經(jīng)網(wǎng)絡(luò)

首先介紹卷積、卷積核、池化、采樣等基本概念，講解了集中典型的CNN網(wǎng)絡(luò)，包括VGG-16，GoogleNet等，最后使用CIFAR-10數(shù)據(jù)集進(jìn)行了圖片分類的案例分析。

7 綜合問題

總結(jié)了在機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)中的基本概念及其應(yīng)用特點，包括歸一化、正則化、梯度消息問題、參數(shù)初始化問題、超參數(shù)選取問題等

8 循環(huán)神經(jīng)網(wǎng)絡(luò)

從隱馬爾科夫鏈入手介紹序列數(shù)據(jù)處理的模型，講解了RNN模型的基本結(jié)構(gòu)以及訓(xùn)練過程，由于RNN梯度爆炸和梯度消失的的問題引入了目前業(yè)界更加常用的LSTM模型，LSTM模型主要是在RNN模型的基礎(chǔ)上增加了狀態(tài)，這個狀態(tài)可以通過各種激活函數(shù)控制以不同的比例參與到下一個序列的輸入，概括來說包括輸入遺忘部分、狀態(tài)更新部分以及輸出部分；最后實踐了自動文本生成和聊天機(jī)器人兩個例子。

擴(kuò)展篇

9 殘差神經(jīng)網(wǎng)路

10 受限玻爾茲曼機(jī)

11 強(qiáng)化學(xué)習(xí)

12 對抗學(xué)習(xí)

13 有趣的深度學(xué)習(xí)應(yīng)用

知識點框架圖

需要完整版請后臺回復(fù)“資料”獲取資料即可