深度学习算法实践 基于Theano和TensorFlow【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

深度学习算法实践 基于Theano和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

第一部分 深度学习算法概述2

第1章 深度学习算法简介2

1.1神经网络发展简史2

1.1.1神经网络第一次兴起3

1.1.2神经网络沉寂期（20世纪80年代—21世纪）4

1.1.3神经网络技术积累期（20世纪90年代—2006年）5

1.1.4深度学习算法崛起（2006年至今）8

1.2深度学习现状10

1.2.1传统神经网络困境10

1.2.2深度多层感知器12

1.2.3深度卷积神经网络14

1.2.4深度递归神经网络15

1.3深度学习研究前瞻16

1.3.1自动编码机17

1.3.2深度信念网络18

1.3.3生成式网络最新进展19

1.4深度学习框架比较20

1.4.1 TensorFlow20

1.4.2 Theano21

1.4.3 Torch22

1.4.4 DeepLearning4J23

1.4.5 Caffe23

1.4.6 MXNet24

1.4.7 CNTK27

1.4.8深度学习框架造型指导原则27

1.5深度学习入门路径28

1.5.1运行MNIST28

1.5.2深度学习框架的选择29

1.5.3小型试验网络33

1.5.4训练生产网络33

1.5.5搭建生产环境34

1.5.6持续改进35

第二部分 深度学习算法基础38

第2章 搭建深度学习开发环境38

2.1安装Python开发环境38

2.1.1安装最新版本Python38

2.1.2 Python虚拟环境配置39

2.1.3安装科学计算库40

2.1.4安装最新版本Theano40

2.1.5图形绘制40

2.2 NumPy简易教程43

2.2.1 Python基础43

2.2.2多维数组的使用51

2.2.3向量运算58

2.2.4矩阵运算60

2.2.5线性代数62

2.3 TensorFlow简易教程68

2.3.1张量定义69

2.3.2变量和placeholder69

2.3.3神经元激活函数71

2.3.4线性代数运算72

2.3.5操作数据集74

2.4 Theano简易教程77

2.4.1安装Theano77

2.4.2 Theano入门78

2.4.3 Theano矩阵相加79

2.4.4变量和共享变量80

2.4.5随机数的使用84

2.4.6 Theano求导84

2.5线性回归86

2.5.1问题描述86

2.5.2线性模型88

2.5.3线性回归学习算法89

2.5.4解析法90

2.5.5 Theano实现93

第3章 逻辑回归100

3.1逻辑回归数学基础100

3.1.1逻辑回归算法的直观解释100

3.1.2逻辑回归算法数学推导101

3.1.3牛顿法解逻辑回归问题103

3.1.4通用学习模型106

3.2逻辑回归算法简单应用113

3.3 MNIST手写数字识别库简介124

3.4逻辑回归MNIST手写数字识别126

第4章 感知器模型和MLP139

4.1感知器模型139

4.1.1神经元模型139

4.1.2神经网络架构143

4.2数值计算形式144

4.2.1前向传播144

4.2.2误差反向传播145

4.2.3算法推导147

4.3向量化表示形式152

4.4应用要点153

4.4.1输入信号模型154

4.4.2权值初始化155

4.4.3早期停止155

4.4.4输入信号调整156

4.5 TensorFlow实现MLP156

第5章 卷积神经网络174

5.1卷积神经网络原理174

5.1.1卷积神经网络的直观理解174

5.1.2卷积神经网络构成177

5.1.3卷积神经网络设计191

5.1.4迁移学习和网络微调193

5.2卷积神经网络的TensorFlow实现195

5.2.1模型搭建197

5.2.2训练方法203

5.2.3运行方法208

第6章 递归神经网络212

6.1递归神经网络原理212

6.1.1递归神经网络表示方法213

6.1.2数学原理214

6.1.3简单递归神经网络应用示例219

6.2图像标记226

6.2.1建立开发环境226

6.2.2图像标记数据集处理227

6.2.3单步前向传播229

6.2.4单步反向传播231

6.2.5完整前向传播234

6.2.6完整反向传播236

6.2.7单词嵌入前向传播239

6.2.8单词嵌入反向传播241

6.2.9输出层前向/反向传播243

6.2.10输出层代价函数计算245

6.2.11图像标注网络整体架构248

6.2.12代价函数计算249

6.2.13生成图像标记255

6.2.14网络训练过程258

6.2.15 网络持久化265

第7章 长短时记忆网络269

7.1长短时记忆网络原理269

7.1.1网络架构269

7.1.2数学公式272

7.2 MNIST手写数字识别274

第三部分 深度学习算法进阶286

第8章 自动编码机286

8.1自动编码机概述286

8.1.1自动编码机原理287

8.1.2去噪自动编码机287

8.1.3稀疏自动编码机288

8.2去噪自动编码机TensorFlow实现291

8.3去噪自动编码机的Theano实现298

第9章 堆叠自动编码机307

9.1堆叠去噪自动编码机308

9.2 TensorFlow实现322

9.3 Theano实现341

第10章 受限玻尔兹曼机344

10.1受限玻尔兹曼机原理344

10.1.1网络架构344

10.1.2能量模型346

10.1.3 CD-K算法351

10.2受限玻尔兹曼机TensorFlow实现353

10.3受限玻尔兹曼机Theano实现362

第11章 深度信念网络381

11.1深度信念网络原理381

11.2深度信念网络TensorFlow实现382

11.3深度信念网络Theano实现403

第四部分 机器学习基础420

第12章 生成式学习420

12.1高斯判别分析422

12.1.1多变量高斯分布422

12.1.2高斯判决分析公式423

12.2朴素贝叶斯436

12.2.1朴素贝叶斯分类器436

12.2.2拉普拉斯平滑439

12.2.3多项式事件模型441

第13章 支撑向量机444

13.1支撑向量机概述444

13.1.1函数间隔和几何间隔445

13.1.2最优距离分类器448

13.2拉格朗日对偶448

13.3最优分类器算法450

13.4核方法453

13.5非线性可分问题455

13.6 SMO算法457

13.6.1坐标上升算法458

13.6.2 SMO算法详解458

第五部分 深度学习平台API462

第14章 Python Web编程462

14.1 Python Web开发环境搭建462

14.1.1 CherryPy框架463

14.1.2 CherryPy安装463

14.1.3测试CherryPy安装是否成功464

14.2最简Web服务器465

14.2.1程序启动465

14.2.2显示HTML文件466

14.2.3静态内容处理468

14.3用户认证系统471

14.4 AJAX请求详解473

14.4.1添加数据474

14.4.2修改数据476

14.4.3删除数据478

14.4.4 REST服务实现479

14.5数据持久化技术487

14.5.1环境搭建487

14.5.2数据库添加操作488

14.5.3数据库修改操作489

14.5.4数据库删除操作490

14.5.5数据库查询操作491

14.5.6数据库事务操作492

14.5.7数据库连接池494

14.6任务队列499

14.7媒体文件上传502

14.8 Redis操作504

14.8.1 Redis安装配置504

14.8.2 Redis使用例程505

第15章 深度学习云平台506

15.1神经网络持久化506

15.1.1数据库表设计506

15.1.2整体目录结构511

15.1.3训练过程及模型文件保存512

15.2神经网络运行模式528

15.3 AJAX请求调用神经网络531

15.3.1显示静态网页531

15.3.2上传图片文件540

15.3.3 AJAX接口543

15.4请求合法性验证545

15.4.1用户注册和登录546

15.4.2客户端生成请求553

15.4.3服务器端验证请求555

15.5异步结果处理557

15.5.1网页异步提交557

15.5.2应用队列管理模块559

15.5.3任务队列560

15.5.4结果队列561

15.5.5异步请求处理流程562

15.6神经网络持续改进563

15.6.1应用遗传算法563

15.6.2重新训练564

15.6.3生成式对抗网络565

后记567

参考文献568