TensorFlow深度学习——深入理解人工智能算法设计 PDF 电子书

天涯米兰

Java电子书：TensorFlow深度学习——深入理解人工智能算法设计 格式 pdf 电子书 PDF 电子书 Java吧 java8.com

3 n, C. Y, n* q% b
编号：mudaima-P0192【Java吧 java8.com】

" q. H: l* F4 k- H3 l/ b
! m* a1 Y1 B' b$ n
Java电子书目录：第1章人工智能绪论1.1人工智能简介1.1.1人工智能1.1.2机器学习1.1.3神经网络与深度学习1.2神经网络发展简史1.2.1浅层神经网络1.2.2深度学习1.3深度学习特点1.3.1数据量1.3.2计算力1.3.3网络规模1.3.4通用智能1.4深度学习应用1.4.1计算机视觉1.4.2自然语言处理1.4.3强化学习1.5深度学习框架1.5.1主流框架1.5.2TensorFlow 2与TensorFlow 1.x1.5.3功能演示1.6开发环境安装1.6.1Anaconda安装1.6.2CUDA安装1.6.3TensorFlow安装1.6.4常用编辑器安装参考文献第2章回归问题2.1神经元模型2.2优化方法2.3线性模型实战2.4线性回归参考文献第3章分类问题3.1手写数字图片数据集3.2模型构建3.3误差计算3.4真的解决了吗3.5非线性模型3.6表达能力3.7优化方法3.8手写数字图片识别体验3.8.1网络搭建3.8.2模型训练第4章TensorFlow基础4.1数据类型4.1.1数值类型4.1.2字符串类型4.1.3布尔类型4.2数值精度4.2.1读取精度4.2.2类型转换4.3待优化张量4.4创建张量4.4.1从数组、列表对象创建4.4.2创建全0或全1张量4.4.3创建自定义数值张量4.4.4创建已知分布的张量4.4.5创建序列4.5张量的典型应用4.5.1标量4.5.2向量4.5.3矩阵4.5.4三维张量4.5.5四维张量4.6索引与切片4.6.1索引4.6.2切片4.6.3小结4.7维度变换4.7.1改变视图4.7.2增加、删除维度4.7.3交换维度4.7.4复制数据4.8Broadcasting4.9数学运算4.9.1加、减、乘、除运算4.9.2乘方运算4.9.3指数和对数运算4.9.4矩阵相乘运算4.10前向传播实战第5章TensorFlow进阶5.1合并与分割5.1.1合并5.1.2分割5.2数据统计5.2.1向量范数5.2.2值、均值、和5.3张量比较5.4填充与复制5.4.1填充5.4.2复制5.5数据限幅5.6高级操作5.6.1tf.gather5.6.2tf.gather_nd5.6.3tf.boolean_mask5.6.4tf.where5.6.5scatter_nd5.6.6meshgrid5.7经典数据集加载5.7.1随机打散5.7.2批训练5.7.3预处理5.7.4循环训练5.8MNIST测试实战
第6章神经网络6.1感知机6.2全连接层6.2.1张量方式实现6.2.2层方式实现6.3神经网络6.3.1张量方式实现6.3.2层方式实现6.3.3优化目标6.4激活函数6.4.1Sigmoid6.4.2ReLU6.4.3LeakyReLU6.4.4tanh6.5输出层设计6.5.1普通实数空间6.5.2［0,1］区间6.5.3［0,1］区间，和为16.5.4［-1,1］6.6误差计算6.6.1均方差误差函数6.6.2交叉熵损失函数6.7神经网络类型6.7.1卷积神经网络6.7.2循环神经网络6.7.3注意力(机制)网络6.7.4图卷积神经网络6.8汽车油耗预测实战6.8.1数据集6.8.2创建网络6.8.3训练与测试参考文献第7章反向传播算法7.1导数与梯度7.2导数常见性质7.2.1基本函数的导数7.2.2常用导数性质7.2.3导数求解实战7.3激活函数导数7.3.1Sigmoid函数导数7.3.2ReLU函数导数7.3.3LeakyReLU函数导数7.3.4tanh函数梯度7.4损失函数梯度7.4.1均方误差函数梯度7.4.2交叉熵函数梯度7.5全连接层梯度7.5.1单神经元梯度7.5.2全连接层梯度7.6链式法则7.7反向传播算法7.8Himmelblau函数优化实战7.9反向传播算法实战7.9.1数据集7.9.2网络层7.9.3网络模型7.9.4网络训练7.9.5网络性能参考文献第8章Keras高层接口8.1常见功能模块8.1.1常见网络层类8.1.2网络容器8.2模型装配、训练与测试8.2.1模型装配8.2.2模型训练8.2.3模型测试8.3模型保存与加载8.3.1张量方式8.3.2网络方式8.3.3SavedModel方式8.4自定义网络简介8.4.1自定义网络层8.4.2自定义网络8.5模型乐园8.6测量工具8.6.1新建测量器8.6.2写入数据8.6.3读取统计信息8.6.4清除状态8.6.5准确率统计实战8.7可视化8.7.1模型端8.7.2浏览器端第9章过拟合9.1模型的容量9.2欠拟合与过拟合9.2.1欠拟合9.2.2过拟合9.3数据集划分9.3.1验证集与超参数9.3.2提前停止9.4模型设计9.5正则化9.5.1L0正则化9.5.2L1正则化9.5.3L2正则化9.5.4正则化效果9.6Dropout9.7数据增强9.7.1旋转9.7.2翻转9.7.3裁剪9.7.4生成数据9.7.5其他方式9.8过拟合问题实战9.8.1构建数据集9.8.2网络层数的影响9.8.3Dropout的影响9.8.4正则化的影响参考文献第10章卷积神经网络10.1全连接网络的问题10.1.1局部相关性10.1.2权值共享10.1.3卷积运算10.2卷积神经网络10.2.1单通道输入和单卷积核10.2.2多通道输入和单卷积核10.2.3多通道输入、多卷积核10.2.4步长10.2.5填充10.3卷积层实现10.3.1自定义权值10.3.2卷积层类10.4LeNet-5实战10.5表示学习10.6梯度传播10.7池化层10.8BatchNorm层10.8.1前向传播10.8.2反向更新10.8.3BN层实现10.9经典卷积网络10.9.1AlexNet10.9.2VGG系列10.9.3GoogLeNet10.10CIFAR10与VGG13实战10.11卷积层变种10.11.1空洞卷积10.11.2转置卷积10.11.3分离卷积10.12深度残差网络10.12.1ResNet原理10.12.2ResBlock实现10.13DenseNet10.14CIFAR10与ResNet18实战参考文献第11章循环神经网络11.1序列表示方法11.1.1Embedding层11.1.2预训练的词向量11.2循环神经网络11.2.1全连接层可行吗11.2.2权值共享11.2.3全局语义11.2.4循环神经网络原理11.3梯度传播11.4RNN层使用方法11.4.1SimpleRNNCell11.4.2多层SimpleRNNCell网络11.4.3SimpleRNN层11.5RNN情感分类问题实战11.5.1数据集11.5.2网络模型11.5.3训练与测试11.6梯度弥散和梯度爆炸11.6.1梯度裁剪11.6.2梯度弥散11.7RNN短时记忆11.8LSTM原理11.8.1遗忘门11.8.2输入门11.8.3刷新Memory11.8.4输出门11.8.5小结11.9LSTM层使用方法11.9.1LSTMCell11.9.2LSTM层11.10GRU简介11.10.1复位门11.10.2更新门11.10.3GRU使用方法11.11LSTM/GRU情感分类问题再战11.11.1LSTM模型11.11.2GRU模型11.12预训练的词向量参考文献第12章自编码器12.1自编码器原理12.2FashionMNIST图片重建实战12.2.1Fashion MNIST数据集12.2.2编码器12.2.3解码器12.2.4自编码器12.2.5网络训练12.2.6图片重建12.3自编码器变种12.3.1Denoising Auto-Encoder12.3.2Dropout Auto-Encoder12.3.3Adversarial Auto-Encoder12.4变分自编码器12.4.1VAE原理12.4.2Reparameterization Trick12.5VAE图片生成实战12.5.1VAE模型12.5.2Reparameterization技巧12.5.3网络训练12.5.4图片生成参考文献第13章生成对抗网络13.1博弈学习实例13.2GAN原理13.2.1网络结构13.2.2网络训练13.2.3统一目标函数13.3DCGAN实战13.3.1动漫图片数据集13.3.2生成器13.3.3判别器13.3.4训练与可视化13.4GAN变种13.4.1DCGAN13.4.2InfoGAN13.4.3CycleGAN13.4.4WGAN13.4.5Equal GAN13.4.6Self-Attention GAN13.4.7BigGAN13.5纳什均衡13.5.1判别器状态13.5.2生成器状态13.5.3纳什均衡点13.6GAN训练难题13.6.1超参数敏感13.6.2模式崩塌13.7WGAN原理13.7.1JS散度的缺陷13.7.2EM距离13.7.3WGAN-GP13.8WGAN-GP实战参考文献第14章强化学习14.1先睹为快14.1.1平衡杆游戏14.1.2Gym平台14.1.3策略网络14.1.4梯度更新14.1.5平衡杆游戏实战14.2强化学习问题14.2.1马尔科夫决策过程14.2.2目标函数14.3策略梯度方法14.3.1REINFORCE算法14.3.2原始策略梯度的改进14.3.3带基准的REINFORCE算法14.3.4重要性采样14.3.5PPO算法14.3.6PPO实战14.4值函数方法14.4.1值函数14.4.2值函数估计14.4.3策略改进14.4.4SARSA算法14.4.5DQN算法14.4.6DQN变种14.4.7DQN实战14.5Actor-Critic方法14.5.1Advantage AC算法14.5.2A3C算法14.5.3A3C实战参考文献第15章自定义数据集15.1精灵宝可梦数据集15.2自定义数据集加载15.2.1创建编码表15.2.2创建样本和标签表格15.2.3数据集划分15.3宝可梦数据集实战15.3.1创建Dataset对象15.3.2数据预处理15.3.3创建模型15.3.4网络训练与测试15.4迁移学习15.4.1迁移学习原理15.4.2迁移学习实战
百度云盘下载地址(完全免费-绝无套路)：

游客，如果您要查看本帖隐藏内容请回复

' R# C2 \8 J5 [9 {2 ]% {

木木的鱼

学习java，就选java吧了

半颗恋人心

java吧 真给力

东篱琴韵

资源很新 好好好

开启一键防护的碎嘴子是孬种

真的无套路，大赞

风暴达

java吧 真给力

明河共影

白漂来了

姐姐你好漂漂

真的免费下载 难得

黄济林

白漂来了

真正马列

真的免费下载 难得