Keras深度學習實戰(zhàn)

譯者序
審校者簡介
前言
第1章　Keras安裝 1
1.1　引言 1
1.2　在Ubuntu 16.04上安裝Keras 1
1.2.1　準備工作 2
1.2.2　怎么做 2
1.3　在Docker鏡像中使用Jupyter Notebook安裝Keras 7
1.3.1　準備工作 7
1.3.2　怎么做 7
1.4　在已激活GPU的Ubuntu 16.04上安裝Keras 9
1.4.1　準備工作 9
1.4.2　怎么做 10
第2章　Keras數(shù)據(jù)集和模型 13
2.1　引言 13
2.2　CIFAR-10數(shù)據(jù)集 13
2.3　CIFAR-100數(shù)據(jù)集 15
2.4　MNIST數(shù)據(jù)集 17
2.5　從CSV文件加載數(shù)據(jù) 18
2.6　Keras模型入門 19
2.6.1　模型的剖析 19
2.6.2　模型類型 19
2.7　序貫模型 20
2.8　共享層模型 27
2.8.1　共享輸入層簡介 27
2.8.2　怎么做 27
2.9　Keras函數(shù)API 29
2.9.1　怎么做 29
2.9.2　示例的輸出 31
2.10　Keras函數(shù)API——鏈接層 31
2.11　使用Keras函數(shù)API進行圖像分類 32
第3章　數(shù)據(jù)預處理、優(yōu)化和可視化 36
3.1　圖像數(shù)據(jù)特征標準化 36
3.1.1　準備工作 36
3.1.2　怎么做 37
3.2　序列填充 39
3.2.1　準備工作 39
3.2.2　怎么做 39
3.3　模型可視化 41
3.3.1　準備工作 41
3.3.2　怎么做 41
3.4　優(yōu)化 43
3.5　示例通用代碼 43
3.6　隨機梯度下降優(yōu)化法 44
3.6.1　準備工作 44
3.6.2　怎么做 44
3.7　Adam優(yōu)化算法 47
3.7.1　準備工作 47
3.7.2　怎么做 47
3.8　AdaDelta優(yōu)化算法 50
3.8.1　準備工作 51
3.8.2　怎么做 51
3.9　使用RMSProp進行優(yōu)化 54
3.9.1　準備工作 54
3.9.2　怎么做 54
第4章　使用不同的Keras層實現(xiàn)分類 58
4.1　引言 58
4.2　乳腺癌分類 58
4.3　垃圾信息檢測分類 66
第5章　卷積神經(jīng)網(wǎng)絡的實現(xiàn) 73
5.1　引言 73
5.2　宮頸癌分類 73
5.2.1　準備工作 74
5.2.2　怎么做 74
5.3　數(shù)字識別 84
5.3.1　準備工作 84
5.3.2　怎么做 85
第6章　生成式對抗網(wǎng)絡 89
6.1　引言 89
6.2　基本的生成式對抗網(wǎng)絡 90
6.2.1　準備工作 91
6.2.2　怎么做 91
6.3　邊界搜索生成式對抗網(wǎng)絡 98
6.3.1　準備工作 99
6.3.2　怎么做 100
6.4　深度卷積生成式對抗網(wǎng)絡 106
6.4.1　準備工作 107
6.4.2　怎么做 108
第7章　遞歸神經(jīng)網(wǎng)絡 116
7.1　引言 116
7.2　用于時間序列數(shù)據(jù)的簡單RNN 117
7.2.1　準備工作 118
7.2.2　怎么做 119
7.3　時間序列數(shù)據(jù)的LSTM網(wǎng)絡 128
7.3.1　LSTM網(wǎng)絡 128
7.3.2　LSTM記憶示例 129
7.3.3　準備工作 129
7.3.4　怎么做 129
7.4　使用LSTM進行時間序列預測 133
7.4.1　準備工作 134
7.4.2　怎么做 135
7.5　基于LSTM的等長輸出序列到序列學習 143
7.5.1　準備工作 143
7.5.2　怎么做 144
第8章　使用Keras模型進行自然語言處理 150
8.1　引言 150
8.2　詞嵌入 150
8.2.1　準備工作 151
8.2.2　怎么做 151
8.3　情感分析 157
8.3.1　準備工作 157
8.3.2　怎么做 159
8.3.3　完整代碼清單 162
第9章　基于Keras模型的文本摘要 164
9.1　引言 164
9.2　評論的文本摘要 164
9.2.1　怎么做 165
9.2.2　參考資料 172
第10章　強化學習 173
10.1　引言 173
10.2　使用Keras進行《CartPole》游戲 174
10.3　使用競爭DQN算法進行《CartPole》游戲 181
10.3.1　準備工作 183
10.3.2　怎么做 187