深度学习入门与实战 基于TensorFlow【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

深度学习入门与实战 基于TensorFlowPDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 深度学习与TensorFlow1

1.1 深度学习概览4

1.1.1 机器学习的基本模型4

1.1.2 神经网络的必要性7

1.1.3 深度学习的特点13

1.1.4 参数优化15

1.2 环境准备24

1.2.1 基于CentOS 7环境的安装步骤25

1.2.2 Jupyter的使用方法28

1.3 TensorFlow概览34

1.3.1 用多维数组表示模型34

1.3.2 TensorFlow代码实现36

1.3.3 通过Session执行训练41

第2章 分类算法基础49

2.1 逻辑回归之二元分类器51

2.1.1 利用概率进行误差评价51

2.1.2 通过TensorFlow执行最大似然估计56

2.1.3 通过测试集验证67

2.2 Softmax函数与多元分类器71

2.2.1 线性多元分类器的结构71

2.2.2 通过Softmax函数进行概率转换75

2.3 应用多元分类器进行手写数字识别78

2.3.1 MNIST数据集的使用方法78

2.3.2 图片数据的分类算法82

2.3.3 TensorFlow执行训练87

2.3.4 小批量梯度下降法和随机梯度下降法94

第3章 应用神经网络进行分类97

3.1 单层神经网络的构成99

3.1.1 使用单层神经网络的二元分类器99

3.1.2 隐藏层的作用102

3.1.3 改变节点数和激活函数后的效果112

3.2 应用单层神经网络进行手写数字分类115

3.2.1 应用单层神经网络的多元分类器115

3.2.2 通过TensorBoard确认网络图119

3.3 扩展为多层神经网络129

3.3.1 多层神经网络的效果129

3.3.2 基于特征变量的分类逻辑134

3.3.3 补充：参数向极小值收敛的例子138

第4章 卷积核提取图片特征141

4.1 卷积核的功能143

4.1.1 卷积核示例143

4.1.2 在TensorFlow中运用卷积核146

4.1.3 通过池化层缩小图片155

4.2 应用卷积核进行图片分类158

4.2.1 应用特征变量进行图片分类158

4.2.2 卷积核的动态学习165

4.3 应用卷积核进行手写数字识别分类168

4.3.1 保存Session信息的功能168

4.3.2 通过单层CNN对手写数字进行识别分类170

4.3.3 确认动态学习的卷积核178

第5章 应用卷积核多层化实现性能提升183

5.1 完成卷积神经网络185

5.1.1 通过多层卷积核抽取特征185

5.1.2 用TensorFlow实现多层CNN190

5.1.3 自动识别手写数字应用196

5.2 延伸阅读203

5.2.1 CIFAR-10（彩色图片数据集）分类的延伸203

5.2.2 通过“ANeural NetworkPlayground”进行直观理解207

5.2.3 补充：反向传播算法中的梯度计算212

附录A Mac OSX和Windows环境的安装方法220

A.1 MacOSX环境的准备步骤220

A.2 Windows 10环境的准备步骤224

附录B Python 2的基本语法230

B.1 Hello，World！230

B.2 字符串231

B.3 列表与词典233

B.4 控制语句235

B.5 函数与模块238

附录C 数学公式240