《图解深度学习:可视化、交互式的人工智能指南(英文版)(全彩印…》PDF电子书免费下载

作者:  [美]乔恩·克罗恩(Jon Krohn)

出版社: 人民邮电出版社

出版年: 2021年04月

ISBN: 9787115555564

~~滚到底部有网盘下载链接~~

内容简介

目录

I Introducing Deep Learning / 深度学习简介   1

1 Biological and Machine Vision / 生物与机器视角 3

Biological Vision / 生物视角 3

Machine Vision / 机器视角 8

The Neocognitron / 新认知机 8

LeNet-5 / 卷积神经网络 LeNet-5 9

The Traditional Machine Learning Approach / 传统机器学习方法 12

ImageNet and the ILSVRC / 大规模视觉数据库ImageNet和视觉识别挑战赛ILSVRC 13

AlexNet / 卷积神经网络 AlexNet 14

TensorFlow Playground/ 开源软件库TensorFlow 17

Quick, Draw! / 涂鸦小游戏Quick, Draw! 19

小结 19

2 Human and Machine Language / 人机语言 21

Deep Learning for Natural Language Processing / 自然语言处理中的深度学习 21

Deep Learning Networks Learn Representations Automatically / 深度学习网络自动学习表示 22

Natural Language Processing / 自然语言处理 23

A Brief History of Deep Learning for NLP/自然语言处理深度学习简史24

Computational Representations of Language / 语言的计算表示 25

One-Hot Representations of Words / 单词的独热表示 25

Word Vectors / 词向量 26

Word-Vector Arithmetic / 词向量算法 29

word2viz / 词向量工具 word2viz 30

Localist Versus Distributed Representations / 局部化与分布式表示32

Elements of Natural Human Language / 自然人类语言要素 33

Google Duplex / Google Duplex 35

Summary / 小结 37

3 Machine Art / 机器艺术 39

A Boozy All-Nighter / 一个热闹的通宵 39

Arithmetic on Fake Human Faces / 假人脸算法 41

Style Transfer: Converting Photos into Monet (and Vice

Versa) / 风格迁移:照片与莫奈风格间的相互转移 44

Make Your Own Sketches Photorealistic / 让草图更加真实 45

Creating Photorealistic Images from Text / 基于文本创建真实图片 45

Image Processing Using Deep Learning / 基于深度学习的图像处理 46

Summary / 小结 48

4 Game-Playing Machines / 人机博弈 49

Deep Learning, AI, and Other Beasts / 深度学习、人工智能和其他技术49

Artificial Intelligence / 人工智能 49

Machine Learning / 机器学习 50

Representation Learning / 表示学习 51

Artificial Neural Networks / 人工神经网络 51

Deep Learning / 深度学习 51

Machine Vision / 机器视觉 52

Natural Language Processing / 自然语言处理 53

Three Categories of Machine Learning Problems / 机器学习问题的3种类型 53

Supervised Learning / 监督学习 53

Unsupervised Learning / 无监督学习 54

Reinforcement Learning / 强化学习 54

Deep Reinforcement Learning / 深度强化学习 56

Video Games / 视频游戏 57

Board Games / 棋盘游戏 59

AlphaGo / AlphaGo 59

AlphaGo Zero / AlphaGo Zero 62

AlphaZero / AlphaZero 65

Manipulation of Objects / 目标操控 67

Popular Deep Reinforcement Learning Environments /

流行的深度强化学习环境 68

OpenAI Gym / OpenAI Gym 68

DeepMind Lab / DeepMind 实验室 69

Unity ML-Agents / Unity ML-Agents 71

Three Categories of AI / 人工智能的3种类型 71

Artificial Narrow Intelligence / 狭义人工智能 72

Artificial General Intelligence / 广义人工智能 72

Artificial Super Intelligence / 超级人工智能 72

Summary / 小结 72

II Essential Theory Illustrated / 图解深度学习基本理论 73

5 The (Code) Cart Ahead of the (Theory) Horse / 先代码后理论 75

Prerequisites / 预备知识 75

Installation / 安装 76

A Shallow Network in Keras / Keras构建浅层网络 76

The MNIST Handwritten Digits / MNIST 手写数字 76

A Schematic Diagram of the Network / 网络示意图 77

Loading the Data / 加载数据 79

Reformatting the Data / 重新格式化数据 81

Designing a Neural Network Architecture / 设计神经网络架构 83

Training a Deep Learning Model / 训练深度学习模型 83

Summary / 小结 84

6 Artificial Neurons Detecting Hot Dogs / 人工神经元热狗感知机85

Biological Neuroanatomy 101 / 生物神经元 85

The Perceptron / 感知机 86

The Hot Dog / Not Hot Dog Detector / 热狗感知机/非热狗感知机 86

The Most Important Equation in This Book / 本书重要的等式 90

Modern Neurons and Activation Functions / 现代神经元与激活函数 91

The Sigmoid Neuron / Sigmoid 神经元 92

The Tanh Neuron / Tanh 神经元 94

ReLU: Rectified Linear Units / ReLU 神经元 94

Choosing a Neuron / 选择神经元 96

Summary / 小结 96

Key Concepts / 核心概念 97

7 神经网络 99

The Input Layer / 输入层 99

Dense Layers / 全连接层 99

A Hot Dog-Detecting Dense Network / 热狗感知全连接网络 101

Forward Propagation Through the First Hidden Layer /

第 一个隐藏层的正向传播 102

Forward Propagation Through Subsequent Layers /

其他层的正向传播 103

The Softmax Layer of a Fast Food-Classifying Network /

快餐分类网络的Softmax层 106

Revisiting Our Shallow Network / 回归浅层网络 108

Summary / 小结 109

Key Concepts / 核心概念 110

8 Training Deep Networks / 深度网络训练 110

Cost Functions / 损失函数 111

Quadratic Cost / 二次方损失函数 112

Saturated Neurons / 神经元饱和 112

Cross-Entropy Cost / 交叉熵损失函数 113

Optimization: Learning to Minimize Cost / 优化:学习小化损失 115

Gradient Descent / 梯度下降 115

Learning Rate / 学习率 117

Batch Size and Stochastic Gradient Descent /

批量大小和随机梯度下降 119

Escaping the Local Minimum / 解决局部小问题 122

Backpropagation / 反向传播 124

Tuning Hidden-Layer Count and Neuron Count /

调整隐藏层层数和神经元数量 125

An Intermediate Net in Keras / Keras构建中等深度的神经网络 127

Summary / 小结 129

Key Concepts / 核心概念 130

9 Improving Deep Networks / 深度网络改进 131

Weight Initialization / 权重初始化 131

Xavier Glorot Distributions / Xavier Glorot 分布 135

Unstable Gradients / 不稳定梯度 137

Vanishing Gradients / 梯度消失 137

Exploding Gradients / 梯度爆炸 138

Batch Normalization / 批量归一化 138

Model Generalization (Avoiding Overfitting) /

模型泛化(避免过拟合)140

L1 and L2 Regularization / L1 和 L2 正则化 141

Dropout / Dropout 142

Data Augmentation / 数据增强 145

Fancy Optimizers / 优化器 145

Momentum / 动量 145

Nesterov Momentum / Nesterov 动量 146

AdaGrad / AdaGrad 146

AdaDelta and RMSProp / AdaDelta 和 RMSProp 146

Adam / Adam 147

A Deep Neural Network in Keras /

Keras构建深度神经网络 147

Regression / 回归 149

TensorBoard / TensorBoard 152

Summary / 小结 154

Key Concepts / 核心概念 155

III Interactive Applications of Deep

Learning / 深度学习的交互应用 157

10 Machine Vision / 机器视觉 159

Convolutional Neural Networks / 卷积神经网络 159

The Two-Dimensional Structure of Visual Imagery /

视觉图像二维结构 159

Computational Complexity / 计算复杂度 160

Convolutional Layers / 卷积层 160

Multiple Filters / 多个卷积核 162

A Convolutional Example / 卷积示例 163

Convolutional Filter Hyperparameters /卷积核的超参数 168

Pooling Layers / 池化层 169

LeNet-5 in Keras / Keras实现LeNet-5 171

AlexNet and VGGNet in Keras /

Keras实现AlexNet和VGGNet 176

Residual Networks / 残差网络 179

Vanishing Gradients: The Bête Noire of Deep CNNs /

梯度消失:深度 CNNs 的缺点 179

Residual Connections / 残差连接 180

ResNet / 残差网络 182

Applications of Machine Vision / 机器视角的应用 182

Object Detection / 目标检测 183

Image Segmentation / 图像分割 186

Transfer Learning / 迁移学习 188

Capsule Networks / 胶囊网络 192

Summary / 小结 193

Key Concepts / 核心概念 193

11 Natural Language Processing /

自然语言处理 195

Preprocessing Natural Language Data /

自然语言数据预处理 195

Tokenization / 标记化 197

Converting All Characters to Lowercase /

字符小写转换 199

Removing Stop Words and Punctuation /

停用词和符号的删除 200

Stemming / 词干提取 201

Handling n-grams / 处理 n-grams 202

Preprocessing the Full Corpus / 完整语料库预处理 203

Creating Word Embeddings with word2vec /

word2vec实现词嵌入 206

The Essential Theory Behind word2vec /

word2vec 背后的基本理论 206

Evaluating Word Vectors / 词向量评估 209

Running word2vec / word2vec 的运行 209

Plotting Word Vectors / 词向量的绘制 213

The Area under the ROC Curve / ROC曲线下的面积 217

The Confusion Matrix / 混淆矩阵 218

Calculating the ROC AUC Metric / 计算 ROC AUC 219

Natural Language Classification with Familiar Networks /

常见网络实现自然语言分类 222

Loading the IMDb Film Reviews /加载 IMDb 电影评论 222

Examining the IMDb Data / 检查 IMDb 数据 226

Standardizing the Length of the Reviews /评论长度标准化 228

Dense Network / 全连接网络 229

Convolutional Networks / 卷积网络 235

Networks Designed for Sequential Data / 序列数据的网络设计 240

Recurrent Neural Networks / 循环神经网络 240

Long Short-Term Memory Units /

长短期记忆网络架构 244

Bidirectional LSTMs / 双向 LSTM 247

Stacked Recurrent Models / 堆叠循环神经网络 248

Seq2seq and Attention /

Seq2seq 模型和注意力机制 250

Transfer Learning in NLP / 自然语言处理迁移学习 251

11.6 Non-sequential Architectures: The Keras Functional

API / 非序列架构——Keras功能性API 251

11.7 Summary / 小结 256

11.8 Key Concepts / 核心概念 257

12 Generative Adversarial Networks /

生成式对抗网络 259

Essential GAN Theory / 生成式对抗网络基本理论 259

The Quick, Draw! Dataset /

涂鸦小游戏The Quick, Draw!数据集 263

The Discriminator Network / 判别器网络 266

The Generator Network / 生成器网络 269

The Adversarial Network / 对抗网络 272

GAN Training / 生成式对抗网络训练 275

Summary / 小结 281

Key Concepts / 核心概念 282

13 Deep Reinforcement Learning /深度强化学习 283

Essential Theory of Reinforcement Learning /

强化学习基本理论 283

The Cart-Pole Game / Cart-Pole 游戏 284

Markov Decision Processes / 马尔可夫决策过程 286

The Optimal Policy / 策略 288

Essential Theory of Deep Q-Learning Networks /

深度Q学习网络基本理论 290

Value Functions / 值函数 291

Q-Value Functions / Q 值函数 291

Estimating an Optimal Q-Value / 估计 Q 值 291

Defining a DQN Agent / 定义DQN智能体 293

Initialization Parameters / 初始化参数 295

Building the Agent’s Neural Network Model /

构建智能体的神经网络模型 297

Remembering Gameplay / 记忆游戏 298

Training via Memory Replay / 记忆重播训练 298

Selecting an Action to Take / 选择要采取的行动 299

Saving and Loading Model Parameters /

保存和加载模型参数 300

Interacting with an OpenAI Gym Environment /

OpenAI Gym环境交互 300

Hyperparameter Optimization with SLM Lab /

SLM Lab超参数优化 303

Agents Beyond DQN / DQN以外智能体 306

Policy Gradients and the REINFORCE Algorithm /

策略梯度和强化算法 307

The Actor-Critic Algorithm / Actor-Critic 算法 307

Summary / 小结 308

Key Concepts / 核心概念 309

IV You and AI / 你与人工智能 311

14 Moving Forward with Your Own Deep Learning

Projects 创建和推进专属于你的深度学习项目 313

Ideas for Deep Learning Projects / 深度学习项目思想 313

Machine Vision and GANs /

机器视觉和生成式对抗网络 313

Natural Language Processing / 自然语言处理 315

Deep Reinforcement Learning / 深度强化学习 316

Converting an Existing Machine Learning Project /

转换现有的机器学习项目 316

Resources for Further Projects / 项目源 317

Socially Beneficial Projects / 社会公益项目 318

The Modeling Process, Including Hyperparameter Tuning /

建模和超参数调优 318

Automation of Hyperparameter Search /

超参数的自动搜索 321

Deep Learning Libraries / 深度学习库 321

Keras and TensorFlow / Keras 和 TensorFlow 321

PyTorch / PyTorch 323

MXNet, CNTK, Caffe, and So On /

MXNet、CNTK、Caffe 等 324

Software 2.0 / 软件2.0 324

Approaching Artificial General Intelligence /

走进广义人工智能 326

Summary / 小结 328

V Appendices / 附录 331

A Formal Neural Network Notation /

神经网络符号 333

B Backpropagation / 反向传播 335

C PyTorch / PyTorch 339

PyTorch Features / Pytorch特征 339

Autograd System / AutoGrade 机制 339

Define-by-Run Framework / 运行定义框架 339

PyTorch Versus TensorFlow /

PyTorch 与 TensorFlow 对比 340

PyTorch in Practice / PyTorch的实践 341

PyTorch Installation / PyTorch 的安装 341

The Fundamental Units Within PyTorch /

PyTorch 的基本单位 341

Building a Deep Neural Network in PyTorch /

PyTorch 实现一个深度神经网络 343

显示部分信息

下载价格:免费
立即下载
登入/注册
知识就是力量
没有账号? 忘记密码?