TensorFlow+Keras深度学习人工智能实践应用_林大贵

编辑推荐

浅入深地讲解Keras与TensorFlow深度学习类神经网络使用实际的数据集配合范例程序代码介绍各种深度学习算法，并示范如何进行数据预处理、训练数据、建立模型和预测结果 

内容简介

本书提供安装、上机操作指南，同时辅以大量范例程序介绍TensorFlow Keras深度学习方面的知识。本书分9部分，共21章，内容主要包括基本概念介绍、TensorFlow 与 Keras 的安装、Keras MNIST手写数字识别、Keras CIFAR-10照片图像物体识别、Keras多层感知器预测泰坦尼克号上旅客的生存概率、使用Keras MLP、RNN、LSTM进行IMDb自然语言处理与情感分析、以TensorFlow张量运算仿真神经网络的运行、TensorFlow MNIST手写数字识别、使用GPU大幅加快深度学习训练。 TensorFlow Keras深度学习方面的知识不需要具备高等数学模型、算法等专业知识，读者只需要具备基本的Python程序设计能力，按照本书的步骤循序渐进地学习，就可以了解深度学习的基本概念，进而实际运用深度学习的技术。

作者简介

林大贵,从事IT行业多年，在系统设计、网站开发、数字营销、商业智慧、大数据、机器学习等领域具有丰富的实战经验。

目　　录

目 录


第1章 人工智能、机器学习与深度学习简介 1
1.1 人工智能、机器学习、深度学习的关系 2
1.2 机器学习介绍 4
1.3 机器学习分类 4
1.4 深度学习简介 7
1.5 结论 8
第2章 深度学习的原理 9
2.1 神经传导的原理 10
2.2 以矩阵运算仿真神经网络 13
2.3 多层感知器模型 14
2.4 使用反向传播算法进行训练 16

显示全部信息

前　　言

前言

近年来，人工智能（Artificial Intelligence，AI）吸引了大众与媒体的目光，AlphaGo的成功更加让人工智能技术变得炙手可热，其实AI早已进入了我们的生活，如手机中的语音助理、人脸识别、影音平台每日的推荐等。然而，人工智能的发展才刚刚起步，未来人工智能的应用将会深入生活的每一个层面，也就是说未来一定是AI的时代。

深度学习是人工智能中成长最快的领域，深度学习就是仿真人类神经网络的工作方式，常见的深度学习架构有深度神经网络（DNN）、卷积神经网络（CNN）、递归神经网络（RNN）等。深度学习特别适用于视觉识别、语音识别、自然语言处理、识别癌细胞等领域，目前已经取得非常好的效果。

 1RoDzYCb7Fz_LIBu2Jq9BMg 提取码：narh 复制