Keras深度学习入门与实践

Keras快速上手;基于Keras的Python实践;Keras深度学习实践应用;提升AI编程能力Key Features全书展示了基于Keras框架、以Python编码的20多种有效的神经网络。Book Description作为一款轻量级、模块化的开源深度学习框架,Keras以容易上手、利于快速原型实现、能够与TensorFlow和Theano等后端计算平台很好兼容等优点,深受众多开发人员和研究人员的喜爱。 本书结合大量实例,简明扼要地介绍了目前热门的神经网络技术和深度学习技术。从经典的多层感知机到用于图像处理的深度卷积网络,从处理序列化数据的循环网络到伪造仿真数据的生成对抗网络,从词嵌入...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Antonio Gulli, Sujit Pal, Posts & Telecom Press
Format: Buch
Sprache:eng
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Keras快速上手;基于Keras的Python实践;Keras深度学习实践应用;提升AI编程能力Key Features全书展示了基于Keras框架、以Python编码的20多种有效的神经网络。Book Description作为一款轻量级、模块化的开源深度学习框架,Keras以容易上手、利于快速原型实现、能够与TensorFlow和Theano等后端计算平台很好兼容等优点,深受众多开发人员和研究人员的喜爱。 本书结合大量实例,简明扼要地介绍了目前热门的神经网络技术和深度学习技术。从经典的多层感知机到用于图像处理的深度卷积网络,从处理序列化数据的循环网络到伪造仿真数据的生成对抗网络,从词嵌入到AI游戏应用中的强化学习,本书引领读者一层一层揭开深度学习的面纱,并在逐渐清晰的理论框架下,提供多个Python编码实例,方便读者动手实践。 通过阅读本书,读者不仅能学会使用Keras快捷构建各个类型的深度网络,还可以按需自定义网络层和后端功能,从而提升自己的AI编程能力,在成为深度学习专家的路上更进一步。What you will learn在大型神经网络上使用反向传播算法逐步优化函数微调神经网络以改进结果质量使用深度学习进行图像和音频处理在特定的案例中使用递归神经张量网络(RNTN)以取得比标准词嵌入更好的效果识别循环神经网络(RNN)适于解决的问题探索自动编码机的实现过程使用强化学习增强深层神经网络Who this book is for深度学习爱好者,深度学习方向的研究人员和工程技术人员