【套装2本】深度学习编程与实践
	定价	179.60
	出版社	机械工业出版社
	版次	1
	出版时间	2021年03月
	开本	16开
	作者	李易
	装帧	平装
	页数	264
	字数
	ISBN编码	9787111674153

《深度学习：算法入门与Keras编程实践》
深度学习作为人工智能领域的“排头兵”，将在未来的新一轮产业升级中起到至关重要的作用。本书以“理论＋实践”的形式帮助读者快速建立深度学习知识体系，不仅能在算法层面上理解各种神经网络模型，而且能借助功能强大且J易上手的Keras 框架，熟练地搭建和训练模型，应用于解决实际问题。
全书共12章，内容涵盖入门深度学习的绝大部分基础知识。D1章讲解如何搭建深度学习的编程环境，并简单回顾了学习深度学习BB的数学知识。D2章从回归算法出发带领读者踏上深度学习之路。D3～9章全面讲解时下几种主流神经网络结构，包括多层感知机（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、
自动编码器（AE）、变分自动编码器（VAE）、对抗生成网络（GNN）等。D10～12章着重介绍时下主流的几类深度学习应用，包括图像识别、目标检测和自然语言处理等。无论是算法原理还是编程实践，本书都从易到难、循序渐进地讲解，并配合简单轻松的实例帮助读者加深印象。
本书不仅适合需要在工作中应用深度学习技术的专业人员，而且适合具备一定计算机编程基础的人工智能和深度学习爱好者。对于大专院校相关专业的师生，本书也是一本不错的参考读物。
《Keras深度学习》

Keras作为深度学习Z为流行的框架之一，是一个用Python语言编写的开源人工神经网络库。《Keras深度学习》一书从新手角度出发，系统介绍了Keras深度学习技术，从Python数据处理开始，到深度学习理论，再到Keras各种代码实战，全书秉承实例讲解的方式，降低学习难度。

《Keras深度学习》全书共8章，前4章介绍了Keras的基础环境搭建和前端基础知识，包括Python数据编程、Python常用工具包和深度学习基本原理等；后4章介绍Keras深度学习方法与实战案例，包括使用Keras构建卷积神经网络、使用Keras进行序列处理、应用Keras实现更加精细化模型定制的函数式API、使用Keras实现GAN和VAE在内的多种深度生成式学习模型等。

《Keras深度学习》内容由浅入深、语言通俗易懂，从基本原理到实践应用、从基础神经网络到复杂模型的深度剖析，全书遵循学习规律，让读者在循序渐进的学习中深刻体会到Keras作为深度学习框架的魅力。

《Keras深度学习》适合想要了解深度学习、熟悉Python但不熟悉框架的初学者阅读，也适合各大高等院校或培训机构人工智能相关专业的学生学习。深度学习应用研究人员、深度学习爱好者、人工智能化产业从业人员、大数据从业人员、算法工程设计实现工程师、模型与架构设计等相关领域工程师、计算机视觉领域入门爱好者以及其他渴望入门深度学习相关领域的人士均可选择本书参考学习。

编辑推荐：

“基础知识+算法原理+经典案例”，从全连接网络到复杂模型，从数据清洗到翻译模型，一本书轻松搞定Keras。

本书适合读者：人工智能深度学习爱好者、算法工程师、计算机视觉专业相关学生、机器学习深度学习等人工智能化各类从业人员

本书特色：

1. 入门门槛低，内容安排符合学习规律

从搭建环境学起——不同环境下相关软件和工具的下载和安装——深度学习基础理论——Z后通过Keras实现深度学习的各类经典应用。由简到难，逐步深入，适合深度学习和机器学习零基础的读者学习。

2. 注重新手友好性，理论结合实践

作者以学生的视角，将自己Keras实际学习过程中的经验进行积累，让新手更容易上手。

在具体介绍过程中给出短小精悍的示例，让读者能边学习边实践，缩短新手与老手之间的差距。

3. 技术面广泛，注意技巧丰富

本书内容涵盖10种Python常用数据结构、5种主流数据分析工具、卷积神经网络、序列处理、函数式API及应用、Keras在深度生成式模型中的应用等。包括5个综合实战案例，所选案例涉猎广泛而丰富，既有计算机视觉领域的图像分类问题的经典案例，也有基于神经网络的翻译系统实战。在代码示例中，不仅仅包含了模型构建和设计的核心思想，同时也兼顾了新手容易犯错的细节展示。

精彩书评：

深度学习各种应用框架的发展都FC迅速，而切实地掌握一项框架还是需要认真地从一本书学起。关于Keras的入门书籍有很多也各有干秋，但是本书Z大的特点是作者从自己的Keras实际学习经历出发，并把技术积累的过程进行z结，由浅入深详细地向读者介绍了Keras深度学习技术，如何从小的项目到大的工程，并详实地考虑每一个细节，内容FC充实。读者通过阅读本书能够掌握Python数据处理技术和Keras深度学习基础知识、提升自己的技能储备、锻炼自己的思维能力。

——姜沛林 西安交大副教授人工智能学会自然语言理解专委会WY

此书针对Keras深度学习深入浅出地进行讲解，以实战演练的方式给读者展现了Keras的强大功能，体现了它易于实现的强应用性。同时，这本书不失严谨性，每一处代码都是作者亲身实验所得，充分体现了此书质量方面的保证。对于在深度学习领域中想要快速上手Keras框架的读者来说，这是一本FC实用且易懂的好书。

——袁涛 IntelZSIC设计工程师

Keras是一个用Python编写的GJ神经网络APl，希望能够让用户的工作效率更高，能够比竞争对手更快地尝试更多创意。而本书则是为深度学习的初学者设计的，同样希望读者能够更深刻、更高效地理解和使用Keras。作者将丰富的经验分享给各位初学者，在具体讲解时FC注重细节，将每个模块以及一些代码的疑难点都解释得FC清楚，是Keras入门不可多得的好书。

——陈铮 依图科技ZS前端工程师

本书结合大量实际案例，由浅入深地从Python的入门级别大数据实践，逐步深入到基于Keras的深度学习技术的探讨。通过图文并茂以及项目实战的代码讲解，提高读者的理论能力和化和实践能力。

一祝继华 西安交大副教授

9787517076452 Keras深度学习 89.8
9787111674153 深度学习：算法入门与Keras编程实践 89.8
  




《深度学习：算法入门与Keras编程实践》
前言
如何获取学习资源
D1章　深度学习入门
1.1　Keras的介绍与安装 13
1.2　学习深度学习需要具备的数学基础知识 16
D2章　回归算法
2.1　线性回归 31
2.2　多元线性回归 39
2.3　逻辑回归 42
D3章　神经网络入门
3.1　简单神经网络的基本结构 50
3.2　正向传播 51
3.3　激活函数 53
3.4　MLP的反向传播与求导 55
3.5　MLP的损失函数 59
3.6　权重初始化 62
3.7　案例：黑白手写数字识别 64
D4章　神经网络进阶—如何提高性能
4.1　欠拟合和过拟合问题 69
4.2　模型诊断与误差分析 71
4.3　避免过拟合的“良药”—正则化 73
4.4　优化算法 76
4.4.1　基于梯度下降法的优化算法 76
4.4.2　进阶优化算法 78
4.5　其他优化性能的方法 81
4.6　模型训练的检查清单 83
D5章　卷积神经网络
5.1　CNN的构想来源 86
5.2　卷积层 88
5.3　滤波器 89
5.3.1　滤波器的运算规则 89
5.3.2　滤波器的作用 91
5.3.3　填充和步长 95
5.4　彩色图像输入 98
5.5　反向传播 101
5.6　池化层 103
5.7　CNN案例 104
5.7.1　黑白手写数字识别 104
5.7.2　彩色图像分类 107
D6章　循环神经网络
6.1　RNN的基本结构 115
6.2　RNN的正向传播 118
6.3　RNN的反向传播 120
6.4　简单的RNN案例 122
6.5　训练RNN时的问题与解决方案 129
6.5.1　梯度爆炸和梯度消失 130
6.5.2　梯度问题的解决方案 132
6.6　解决长期依赖问题的“良药”—GRU和LSTM 133
6.6.1　GRU 134
6.6.2　LSTM 138
6.7　RNN案例：影评分析 142
6.7.1　准备知识—词嵌入 142
6.7.2　代码解析 144
D7章　自动编码器
7.1　AE的结构 149
7.2　重构损失 151
7.3　简单的AE案例 153
7.4　Sparse AE 155
7.5　去噪自动编码器 157
7.6　上色器 160
D8章　变分自动编码器
8.1　VAE的结构 171
8.2　对VAE的深层理解 174
8.3　损失函数 175
8.4　重参数技巧 180
8.5　VAE案例 181
D9章　对抗生成网络
9.1　GAN的基本结构 191
9.2　GAN的训练 192
9.3　GAN的数学原理 195
9.4　GAN案例：DCGAN 198
D10章　AI的眼睛Ⅰ—基于CNN的图像识别
10.1　VGGNet 209
10.2　Inception 214
10.3　ResNet 220
10.4　迁移学习 226
D11章　AI的眼睛Ⅱ—基于CNN的目标检测
11.1　R-CNN 232
11.2　Fast R-CNN 241
11.3　Faster R-CNN 243
11.4　YOLO算法 246
D12章　循环神经网络的进阶算法
12.1　BRNN 250
12.2　Encoder-Decoder 255
12.3　注意力机制 257
《Keras深度学习》

D1章 打开学习Keras的大门 

1.1 为什么要选择Keras 

1.2 基于Windows10系统的安装与配置 

1.2.1 安装Visual Studio2017社区版 

1.2.2 安装CUDA 

1.2.3 安装cuDNN 

1.2.4 安装Anaconda 

1.2.5 安装TensorFlow 

1.2.6 安装Keras 

1.3 基于Ubuntu16.04LTS系统的安装与配置 

1.3.1 安装NVIDIA驱动 

1.3.2 降低GCC编译器的版本 

1.3.3 安装CUDA 

1.3.4 安装CuDNN 

1.3.5 配置环境变量 

1.3.6 安装Anaconda 

1.3.7 安装TensorFlow与Keras 

1.4 本章小结 

D2章 Python数据相关编程入门 

2.1 Python常用数据结构 

2.1.1 列表list的创建和基本用法 

2.1.2 列表的切片 

2.1.3 列表元素的动态添加 

2.1.4 列表元素的动态删除 

2.1.5 列表元素的查找、统计与排序 

2.1.6 列表元素的原地复制和翻转 

2.1.7 数组array 

2.1.8 元组（tuple)的使用 

2.1.9 集合set 

2.1.1 0字典dict 

2.2 遍历数据结构 

2.2.1 基于for循环的遍历 

2.2.2 基于while循环的遍历 

2.2.3 构造数据结构时的隐式遍历 

2.3 逻辑运算与数据过滤 

2.3.1 基本逻辑运算：与、或、非 

2.3.2 按位操作的逻辑运算 

2.3.3 数据过滤 

2.4 自定义函数与作用域 

2.4.1 自定义函数与作用域 

2.4.2 闭包函数(嵌套函数） 

2.4.3 灵活的函数参数 

2.4.4 匿名函数 

2.4.5 高阶函数 

…… 

D3章 常用Python工具包 

D4章 深度学习基本原理 

D5章 基于Keras的卷积神经网络 

D6章 用Keras进行序列处理 

D7章 Keras函数式API及其应用 

D8章 基于Keras的深度生成式学习 

参考文献

省略部分目录