封面
书名页
版权页
内容简介
前 言
第1章 深度学习的发展介绍
1.1 如何阅读本书
1.2 深度学习沉浮史
1.3 Python简易教程
1.4 参考文献
第2章 机器学习快速入门
2.1 学习算法
2.2 代价函数
2.3 梯度下降法
2.4 过拟合与欠拟合
2.5 超参数与验证集
2.6 Softmax编码实战
2.7 参考代码
2.8 参考文献
第3章 前馈神经网络
3.1 神经元
3.2 前馈神经网络
3.3 BP算法
3.4 深度学习编码实战上
3.5 参考代码
3.6 参考文献
第4章 深度学习正则化
4.1 参数范数惩罚
4.2 参数绑定与参数共享
4.3 噪声注入与数据扩充
4.4 稀疏表征
4.5 早停
4.6 Dropout
4.7 深度学习编码实战中
4.8 参考代码
4.9 参考文献
第5章 深度学习优化
5.1 神经网络优化困难
5.2 随机梯度下降
5.3 动量学习法
5.4 AdaGrad和RMSProp
5.5 Adam
5.6 参数初始化策略
5.7 批量归一化
5.8 深度学习编码实战下
5.9 参考代码
5.10 参考文献
第6章 卷积神经网络
6.1 卷积操作
6.2 卷积的意义
6.3 池化操作
6.4 设计卷积神经网络
6.5 卷积网络编码练习
6.6 参考代码
6.7 参考文献
第7章 循环神经网络
7.1 循环神经网络
7.2 循环神经网络设计
7.3 门控循环神经网络
7.4 RNN编程练习
7.5 LSTM编程练习
7.6 参考代码
7.7 参考文献
第8章 TensorFlow快速入门
8.1 TensorFlow介绍
8.2 TensorFlow 1.0安装指南
8.3 TensorFlow基础
8.4 TensorFlow构造CNN
8.5 TensorBoard快速入门
推荐页
更新时间:2019-12-12 17:14:46