Python深度学习（第2版）pdf百度网盘下载地址?
* 深度学习名著重磅升级，涵盖Transformer架构等开创性进展
* 流行深度学习框架Keras之父执笔，文字生动、见解深刻
* 不用一个数学公式，利用直觉自然入门深度学习
近年来，深度学习在自然语言处理、计算机视觉等领域取得了非凡的进展。从机器翻译和文本生成到自动驾驶和虚拟助手，我们受益于深度学习技术的逐渐普及。然而，深度学习还远未发挥全部潜力。欢迎来到深度学习的世界！在这个规模呈爆发式增长的领域，仍有许多“宝藏”等待你去发掘。
本书由流行深度学习框架Keras之父弗朗索瓦·肖莱执笔，不用数学公式，而用Python代码帮助你直观理解深度学习的核心思想。本书在第1版的基础上进行了大幅更新和增补，以体现深度学习领域的快速发展。
作者简介:
目录:
第1章 什么是深度学习 1
1.1 人工智能、机器学习和深度学习 1
1.2 深度学习之前：机器学习简史 10
1.3 为什么要用深度学习，为什么是现在 16
第2章 神经网络的数学基础 21
2.1 初识神经网络 21
2.2 神经网络的数据表示 25
2.3 神经网络的“齿轮”：张量运算 31
2.4 神经网络的“引擎”：基于梯度的优化 40
2.5 回顾第一个例子 51
2.6 本章总结 56
第3章 Keras 和TensorFlow 入门 57
3.1 TensorFlow 简介 57
3.2 Keras 简介 58
3.3 Keras 和TensorFlow 简史 59
3.4 建立深度学习工作区 60
3.5 TensorFlow入门 63
3.6 神经网络剖析：了解核心Keras API 71
3.7 本章总结 80
第4章 神经网络入门：分类与回归 81
4.1 影评分类：二分类问题示例 82
4.2 新闻分类：多分类问题示例 91
4.3 预测房价：标量回归问题示例 97
4.4 本章总结 104
第5章 机器学习基础 105
5.1 泛化：机器学习的目标 105
5.2 评估机器学习模型 115
5.3 改进模型拟合 119
5.4 提高泛化能力 123
5.5 本章总结 132
第6章 机器学习的通用工作流程 133
6.1 定义任务 134
6.2 开发模型 139
6.3 部署模型 143
6.4 本章总结 147
第7章 深入Keras 148
7.1 Keras 工作流程 148
7.2 构建Keras 模型的不同方法 149
7.3 使用内置的训练循环和评估循环 160
7.4 编写自定义的训练循环和评估循环 167
7.5 本章总结 174
第8章 计算机视觉深度学习入门 175
8.1 卷积神经网络入门 176
8.2 在小型数据集上从头开始训练一个卷积神经网络 184
8.3 使用预训练模型 196
8.4 本章总结 208
第9章 计算机视觉深度学习进阶 209
9.1 三项基本的计算机视觉任务 209
9.2 图像分割示例 210
9.3 现代卷积神经网络架构模式 218
9.4 解释卷积神经网络学到的内容 229
9.5 本章总结 246
第10章 深度学习处理时间序列 247
10.1 不同类型的时间序列任务 247
10.2 温度预测示例 248
10.3 理解RNN 259
10.4 RNN 的高级用法 265
10.5 本章总结 272
第11章 深度学习处理文本 273
11.1 自然语言处理概述 273
11.2 准备文本数据 274
11.3 表示单词组的两种方法：集合和序列 282
11.4 Transformer架构 298
11.5 超越文本分类：序列到序列学习 310
11.6 本章总结 323
第12章 生成式深度学习 324
12.1 文本生成 325
12.2 DeepDream 334
12.3 神经风格迁移 341
12.4 用变分自编码器生成图像 348
12.5 生成式对抗网络入门 358
12.6 本章总结 367
第13章 适合现实世界的最佳实践 368
13.1 将模型性能发挥到极致 368
13.2 加速模型训练 376
13.3 本章总结 384
第14章 总结 385
14.1 重点概念回顾 385
14.2 深度学习的局限性 394
14.3 如何实现更加通用的人工智能 401
14.4 实现智能：缺失的内容 403
14.5 深度学习的未来 408
14.6 了解快速发展的领域的最新进展 413
14.7 结束语 414
点击下载