深度学习入门基于Python的实现吴喜之,张敏编书籍

●第一部分Python基础
第1章Python基础
1.1引言
1.2安装
1.3基本模块的编程
1.4NumPy模块
1.5Pandas模块
1.6Matplotlib模块
1.7Python的类——面向对象编程简介
1.8习题
第二部分神经网络基础及逐步深化
第2章从最简单的神经网络说起
2.1纪元和批次
2.2神经网络回归
2.3神经网络分类
第3章有隐藏层的神经网络
3.1一个隐藏层的神经网络
3.2多个隐藏层的神经网络
3.3通过PyTorch实现神经网络初等计算
第三部分深度学习的PyTorch实现
第4章神经网络的PyTorch逐步深化
4.1简单的人造数据回归
4.2MNIST手写数字数据神经网络案例
4.3卷积神经网络
4.4MNIST手写数字数据(续)：CNN
4.5CIFAR10数据图像CNN案例
第5章递归神经网络
5.1递归神经网络简介
5.2长短期记忆网络(LSTM)
5.3LSTM预测句子的例子
5.4门控递归网络(GRU)
5.5数据MNIST手写数字数据的GRU分类例子
5.6GRU处理时间序列的例子
第6章PyTorch文本数据分析
6.1一个简单的文本分类例子
6.2序列到序列模型(seq2seq)
6.3剖析一个有名seq2seq案例
第7章用于自然语言处理的变换器
7.1变换器的原理
7.2预训练模块Transformers
7.3seq2seq变换器示范代码
第8章现代Hopfifield网络
8.1概论
8.2传统的Hopfifield网络
8.3现代Hopfifield网络
8.4现代Hopfifield网络例子
第四部分深度学习的TensorFlow实现
第9章通过例子进入TensorFlow
9.1分类例子：皮肤病
9.2回归例子
9.3不平衡数据分类例子
第10章TensorFlow案例
10.1102种花卉CNN分类例子
10.2通过RNN生成文本例子
10.3IMDB数据文本情感分析案例
10.4IMDB数据的变换器示范代码
10.5图像分割案例