图书介绍
深度学习系列 基于Theano的深度学习 构建未来与当前的人工大脑PDF|Epub|txt|kindle电子书版本网盘下载
- （法）克里斯托弗·布雷斯著 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111588788
- 出版时间：2018
- 标注页数：202页
- 文件大小：74MB
- 文件页数：219页
- 主题词：人工智能；机器学习
PDF下载
下载说明
深度学习系列 基于Theano的深度学习 构建未来与当前的人工大脑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 Theano基础1
1.1张量所需1
1.2安装和加载Theano2
1.2.1 Conda软件包和环境管理器2
1.2.2在CPU上安装和运行Theano2
1.2.3 GPU驱动和相关库3
1.2.4在GPU上安装和运行Theano4
1.3张量5
1.4计算图和符号计算8
1.5张量操作11
1.5.1维度操作算子13
1.5.2元素操作算子14
1.5.3约简操作算子16
1.5.4线性代数算子16
1.6内存和变量18
1.7函数和自动微分20
1.8符号计算中的循环运算22
1.9配置、分析和调试26
1.10小结29
第2章 基于前馈神经网络的手写体数字分类30
2.1 MNIST数据集30
2.2训练程序架构32
2.3分类损失函数33
2.4单层线性模型34
2.5成本函数和误差35
2.6反向传播算法和随机梯度下降36
2.7多层模型37
2.8卷积层和最大池化层43
2.9训练47
2.10退出52
2.11推理52
2.12优化和其他更新规则52
2.13延伸阅读56
2.14小结57
第3章 单词的向量编码58
3.1编码和嵌入58
3.2数据集60
3.3连续词袋模型62
3.4模型训练66
3.5可视化学习嵌入68
3.6嵌入评价——类比推理70
3.7嵌入评价——量化分析72
3.8单词嵌入应用72
3.9权重绑定73
3.10延伸阅读73
3.11小结74
第4章 基于递归神经网络的文本生成75
4.1 RNN所需75
4.2自然语言数据集76
4.3简单递归网络79
4.3.1 LSTM网络81
4.3.2门控递归网络83
4.4自然语言性能评测84
4.5训练损失比较84
4.6预测示例86
4.7 RNN的应用87
4.8延伸阅读88
4.9小结89
第5章 基于双向LSTM的情感分析90
5.1 Keras的安装和配置90
5.1.1 Keras编程91
5.1.2 SemEval2013数据集93
5.2文本数据预处理94
5.3模型架构设计96
5.3.1单词的向量表征96
5.3.2基于双向LSTM的语句表征97
5.3.3 softmax分类器的输出概率98
5.4模型编译与训练99
5.5模型评估99
5.6模型保存与加载100
5.7示例运行100
5.8延伸阅读100
5.9小结101
第6章 基于空间变换网络的定位102
6.1基于Lasagne的MNIST CNN模型102
6.2定位网络104
6.2.1 RNN在图像中的应用108
6.3基于共定位的非监督式学习112
6.4基于区域的定位网络112
6.5延伸阅读113
6.6小结114
第7章 基于残差网络的图像分类115
7.1自然图像数据集115
7.1.1批处理标准化116
7.1.2全局平均池化117
7.2残差连接118
7.3随机深度123
7.4密集连接124
7.5多GPU125
7.6数据增强126
7.7延伸阅读127
7.8小结127
第8章 基于编码—解码网络的翻译与解释128
8.1序列—序列网络在自然语言处理中的应用128
8.2序列—序列网络在语言翻译中的应用133
8.3序列—序列网络在聊天机器人中的应用134
8.4序列—序列网络的效率提高134
8.5图像反卷积136
8.6多模态深度学习140
8.7延伸阅读140
8.8小结142
第9章 基于注意力机制的相关输入或记忆选择143
9.1注意力可微机制143
9.1.1基于注意力机制的最佳翻译144
9.1.2基于注意力机制的最佳图像注释145
9.2神经图灵机中的信息存储和检索146
9.3记忆网络148
9.3.1基于动态记忆网络的情景记忆149
9.4延伸阅读150
9.5小结151
第10章 基于先进递归神经网络的时间序列预测152
10.1 RNN的退出152
10.2 RNN的深度学习方法153
10.3层叠递归网络154
10.4深度转移递归网络157
10.5高速网络设计原理157
10.6递归高速网络158
10.7延伸阅读159
10.8小结159
第11章 强化环境学习160
11.1强化学习任务160
11.2仿真环境161
11.3 Q学习164
11.4深度Q学习网络166
11.5训练稳定性167
11.6基于REINFORCE算法的策略梯度169
11.7延伸阅读171
11.8小结172
第12章 基于非监督式网络的特征学习173
12.1生成模型173
12.1.1受限玻耳兹曼机173
12.1.2深度信念网络177
12.1.3生成性对抗网络178
12.1.4改进GAN182
12.2半监督式学习182
12.3延伸阅读183
12.4小结184
第13章 基于Theano的深度学习扩展185
13.1 CPU中Python实现的Theano操作185
13.2 GPU中Python实现的Theano操作188
13.3 CPU中C实现的Theano操作190
13.4 GPU中C实现的Theano操作193
13.5通过共享内存的合并转置，NVIDIA并行196
13.5.1模型转换197
13.6人工智能的未来发展199
13.7延伸阅读201
13.8小结202