图灵社区的电子书没有采用专有客 户端,您可以在任意设备上,用自 己喜欢的浏览器和PDF阅读器进行 阅读。 但您购买的电子书仅供您个人使用, 未经授权,不得进行传播。 我们愿意相信读者具有这样的良知 和觉悟,与我们共同保护知识产权。 如果购买者有侵权行为,我们可能 对该用户实施包括但不限于关闭该 帐号等维权措施,并可能追究法律 责任。 图灵程序设计丛书 Deep Learning with Python Python深度学习 [美] 弗朗索瓦·肖莱 著 张亮 译 人民邮电出版社 北  京 内 容 提 要 本书由 Keras 之父、现任 Google 人工智能研究员的弗朗索瓦 • 肖莱(François Chollet)执笔,详尽介 绍了用 Python 和 Keras 进行深度学习的探索实践,涉及计算机视觉、自然语言处理、生成式模型等应用。 书中包含 30 多个代码示例,步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化,读者无须 具备机器学习相关背景知识即可展开阅读。在学习完本书后,读者将具备搭建自己的深度学习环境、建立 图像识别模型、生成图像和文字等能力。 本书适合从事大数据及机器学习领域工作,并对深度学习感兴趣的各类读者。 ◆ 著    [美] 弗朗索瓦 • 肖莱 译    张 亮 责任编辑 温 雪 责任印制 周昇亮 ◆ 人民邮电出版社出版发行  北京市丰台区成寿寺路11号 邮编 100164  电子邮件 315@ptpress.com.cn 网址 http://www.ptpress.com.cn 北京      印刷 ◆ 开本:800×1000 1/16 印张:19.25 字数:455千字 印数:1 — 5 000册 著作权合同登记号 2018年 8 月第 1 版 2018年 8 月北京第1次印刷 图字:01-2018-2896号 定价:119.00元 读者服务热线:(010)51095186转600 印装质量热线:(010)81055316 反盗版热线:(010)81055315 广告经营许可证:京东工商广登字 20170147 号 版权声明 Original English language edition, entitled Deep Learning with Python by François Chollet, published by Manning Publications. 178 South Hill Drive, Westampton, NJ 08060 USA. Copyright © 2018 by Manning Publications. Simplified Chinese-language edition copyright © 2018 by Posts & Telecom Press. All rights reserved. 本书中文简体字版由Manning Publications授权人民邮电出版社独家出版。未经出版者书面 许可,不得以任何方式复制或抄袭本书内容。 版权所有,侵权必究。 前  言 你拿起这本书的时候,可能已经知道深度学习近年来在人工智能领域所取得的非凡进展。 在图像识别和语音转录的任务上,五年前的模型还几乎无法使用,如今的模型的表现已经超越 了人类。 这种突飞猛进的影响几乎蔓延到所有行业。但是,想要将深度学习技术部署到它能解决的 所有问题上,就需要让尽可能多的人接触这门技术,其中包括非专家,即既不是研究人员也不 是研究生的那些人。想要让深度学习充分发挥其全部潜能,就需要彻底推广给大众。 2015 年 3 月,我发布了 Keras 深度学习框架的第一版,当时还没有想过人工智能的大众化。 我在机器学习领域已经做了多年的研究,创造 Keras 是为了帮我自己做实验。但在 2015—2016 年, 数万名新人进入了深度学习领域,其中很多人都选择了 Keras,因为它是最容易上手的框架(现 在仍然是)。看到大量新人以意想不到的强大方式使用 Keras,我开始密切关注人工智能的可达 性和大众化。我意识到,这些技术传播得越广,就会变得越有用、越有价值。可达性很快成为 Keras 开发过程中的一个明确目标,在短短几年内,Keras 开发者社区已经在这方面取得了了不 起的成就。我们让数万人掌握了深度学习,他们反过来用这些技术来解决那些重要的问题,而 我们是最近才知道这些问题的。 你手里拿的这本书,也是为了让尽可能多的人能够使用深度学习而写的。Keras 一直需要一 个配套教程,同时涵盖深度学习的基础知识、Keras 使用模式以及深度学习的最佳实践。本书是 我尽最大努力制作的这么一本教程。本书的重点是用尽可能容易理解的方式来介绍深度学习背 后的概念及其实现。我这么做没有贬低任何事情的意思,我坚信深度学习中没有难以理解的东西。 希望本书对你有价值,能够帮助构建智能应用程序并解决那些对你很重要的问题。 致  谢 我要感谢 Keras 社区让本书得以成书。Keras 的开源贡献者已经增长到上千人,用户人数也 超过 20 万。是你们的贡献和反馈让 Keras 终有所成。 我还要感谢 Google 对 Keras 项目的支持。很高兴看到 Keras 被采纳为 TensorFlow 的高级 API。Keras 和 TensorFlow 之间的顺利集成,对 TensorFlow 用户和 Keras 用户都有很大好处,也 让大多数人更容易使用深度学习。 我要感谢 Manning 出版社的工作人员,他们让本书得以出版。感谢出版人 Marjan Bace 以 及编辑和制作团队的所有人,包括 Christina Taylor、Janet Vail、Tiffany Taylor、Katie Tennant、 Dottie Marsico 及幕后工作的其他人。 非 常 感 谢 Aleksandar Dragosavljević 领 导 的 技 术 审 稿 团 队, 他 们 是 Diego Acuña Rozas、 Geoff Barto、David Blumenthal-Barby、Abel Brown、Clark Dorman、Clark Gaylord、Thomas Heiman、Wilson Mar、Sumit Pal、Vladimir Pasman、Gustavo Patino、Peter Rabinovitch、Alvin Raj、Claudio Rodriguez、Srdjan Santic、Richard Tobias、Martin Verzilli、William E. Wheeler 和 Daniel Williams。我还要感谢论坛贡献者。他们的贡献包括发现技术错误、术语错误和错别字, 还包括给出主题建议。每一次审查过程和论坛主题中的每一条反馈,都为本书的成稿做出了贡献。 在技术方面,我要特别感谢本书的技术编辑 Jerry Gaines 与技术校对 Alex Ott 和 Richard Tobias。 作为技术编辑,他们是最棒的。 最后,我要感谢我的妻子 Maria,她在我开发 Keras 以及写作本书的过程中都给予了极大的 支持。 关于本书 本书是为那些想要从零开始探索深度学习的人或想要拓展对深度学习的理解的人而写的。 无论是在职的机器学习工程师、软件开发者还是大学生,都会在本书中找到有价值的内容。 本书是对深度学习的实践探索,避免使用数学符号,尽量用代码片段来解释定量概念,帮 你建立关于机器学习和深度学习核心思想的直觉。 书中包含 30 多个代码示例,有详细的注释、实用的建议和简单的解释。知道这些你就可以 开始用深度学习来解决具体问题了。 全书代码示例都使用 Python 深度学习框架 Keras,并用 TensorFlow 作为后端引擎。Keras 是最受欢迎且发展最快的深度学习框架之一,被广泛推荐为上手深度学习的最佳工具。 读完本书后,你将会充分理解什么是深度学习、什么时候该用深度学习,以及它的局限性。 你将学到解决机器学习问题的标准工作流程,还会知道如何解决常见问题。你将能够使用 Keras 来解决从计算机视觉到自然语言处理等许多现实世界的问题,包括图像识别、时间序列预测、 情感分析、图像和文字生成等。 谁应该阅读这本书 本书的目标读者是那些具有 Python 编程经验,并且想要开始上手机器学习和深度学习的人。 但本书对以下这些读者也都很有价值。 ‰ 如果你是熟悉机器学习的数据科学家,你将通过本书全面掌握深度学习及其实践。深度 学习是机器学习中发展最快、最重要的子领域。 ‰ 如果你是想要上手 Keras 框架的深度学习专家,你会发现本书是市面上最棒的 Keras 速 成教程。 ‰ 如果你是研究深度学习的研究生,你会发现本书是对你所受教育的实践补充,有助于你 培养关于深度神经网络的直觉,还可以让你熟悉重要的最佳实践。 有技术背景的人,即使不经常编程,也会发现本书介绍的深度学习基本概念和高级概念非 常有用。 使用 Keras 需要具有一定的 Python 编程水平。另外,熟悉 Numpy 库也会有所帮助,但并不 是必需的。你不需要具有机器学习或深度学习方面的经验,本书包含从头学习所需的必要基础 知识。你也不需要具有高等数学背景,掌握高中水平的数学知识应该足以看懂本书内容。  2  关于本书 学习路线图 本书分为两部分。如果你之前没有关于机器学习的经验,我强烈建议你先读完第一部分, 然后再阅读第二部分。我们会从简单示例讲起,然后再依次介绍越来越先进的技术。 第一部分是对深度学习的介绍,给出了一些背景和定义,还解释了上手机器学习和神经网 络需要掌握的所有概念。 ‰ 第 1 章介绍人工智能、机器学习和深度学习的重要背景知识。 ‰ 第 2 章介绍从事深度学习必须了解的基本概念:张量、张量运算、梯度下降和反向传播。 这一章还给出了本书第一个可用的神经网络示例。 ‰ 第 3 章包括上手神经网络所需要了解的全部内容:Keras 简介,它是我们的首选深度学 习框架;建立自己的工作站的指南;三个基本代码示例以及详细解释。读完这一章,你 将能够训练简单的神经网络来处理分类任务和回归任务,你还将充分了解训练过程背后 发生的事情。 ‰ 第 4 章介绍标准的机器学习工作流程。你还会了解常见的陷阱及其解决方案。 第二部分将深入介绍深度学习在计算机视觉和自然语言处理中的实际应用。这一部分给出 了许多示例,对于在现实世界的实践中遇到的深度学习问题,你可以用这些示例作为解决问题 的模板。 ‰ 第 5 章介绍了一系列实用的计算机视觉示例,重点放在图像分类。 ‰ 第 6 章介绍了处理序列数据(比如文本和时间序列)的实用技术。 ‰ 第 7 章介绍了构建最先

pdf文档 《Python深度学习》2018中文版

专业资料 > IT/计算机 > 计算机软件及应用 > 文档预览
314 页 0 下载 16 浏览 0 评论 0 收藏 3.0分
温馨提示:如果当前文档出现乱码或未能正常浏览,请先下载原文档进行浏览。
《Python深度学习》2018中文版 第 1 页 《Python深度学习》2018中文版 第 2 页 《Python深度学习》2018中文版 第 3 页 《Python深度学习》2018中文版 第 4 页 《Python深度学习》2018中文版 第 5 页
下载文档到电脑,方便使用
还有 309 页可预览,继续阅读
本文档由 archy2019-10-06 10:49:21上传分享
给文档打分
您好可以输入 255 个字符
阿乞云的中文名是什么?( 答案:阿乞云 )
评论列表
  • 暂时还没有评论,期待您的金玉良言