白话深度学习与TensorFlow

高扬、卫峥编著的《白话深度学习与TensorFlow 》是技术畅销书《白话大数据与机器学习》姊妹篇， YY大数据专家撰写，李学凌、朱频频、王庆法、王海 龙联袂推荐。以插图、类比和大量示例趣说深度学习 网络的关键理念、算法与TensoeFlow实践，涵盖BP网 络、CNN、RNN、受限玻尔兹曼机、深度残差网络、强 化学习、对抗学习，以及多个有趣应用。 本书共三篇13章，适用于零基础的初学者 基础篇（第1～3章），讲解了机器学习、深度学 习与实践的上下文知识，如基本的机器学习与深度学 习算法，TensorFlow框架的安全与配置，简单的深度 学习实践。该篇是阅读和实践的基石。 原理与实践篇（第4～8章），介绍“老牌”的深 度学习网络的数学原理和工程实现原理，尤其是第4章 ，如果能基本读懂，后面的网络实现层面的问题基本 都可以迎刃而解。涵盖BP网络、CNN、RNN的结构、思 路、训练与使用，以及一些常见的综合性问题。该篇 是学习深度学习的重点和难点，作者通过大量示例、 推理与实现，帮读者最大化降低学习曲线。 扩展篇（第9～13章），介绍一些网络的变种和 一些较新的网络特性，涵盖深度残差网络、受限玻尔 兹曼机、强化学习、对抗学习，这是读者进一步学习 与实践思路的钥匙。最后给出了一些有趣的深度学习 应用：人脸识别、作诗姬、大师风图像处理，有趣又 有用。

卫峥，西山居软件架构师，多年的软件开发和架构经验，精通C/C++、Python、Golang、JavaScript等多门编程语言，近几年专注于数据处理、机器学算法的研究、应用与服务研发。曾在新浪网平台架构部负责音视频转码平台的架构和研发工作，为新浪微博，新浪微盘，秒拍等提供视频在线观看服务。51CTO讲师，个人出品的教学视频：http://i.youku.com/qiuqiupapang。

本书赞誉 序 前言 基础篇 第1章 机器学习是什么 1.1 聚类 1.2 回归 1.3 分类 1.4 综合应用 1.5 小结 第2章 深度学习是什么 2.1 神经网络是什么 2.1.1 神经元 2.1.2 激励函数 2.1.3 神经网络 2.2 深度神经网络 2.3 深度学习为什么这么强 2.3.1 不用再提取特征 2.3.2 处理线性不可分 2.4 深度学习应用 2.4.1 围棋机器人——AlphaGo 2.4.2 被教坏的少女——Tai.ai 2.4.3 本田公司的大宝贝——ASIMO 2.5 小结 第3章 TensorFlow框架特性与安装 3.1 简介 3.2 与其他框架的对比 3.3 其他特点 3.4 如何选择好的框架 3.5 安装TensorFlow 3.6 小结 原理与实践篇 第4章 前馈神经网络 4.1 网络结构 4.2 线性回归的训练 4.3 神经网络的训练 4.4 小结 第5章 手写板功能 5.1 MNIST介绍 5.2 使用TensorFlow完成实验 5.3 神经网络为什么那么强 5.3.1 处理线性不可分 5.3.2 挑战“与或非” 5.3.3 丰富的VC——强大的空间划分能力 5.4 验证集、测试集与防止过拟合 5.5 小结 第6章 卷积神经网络 6.1 与全连接网络的对比 6.2 卷积是什么 6.3 卷积核 6.4 卷积层其他参数 6.5 池化层 6.6 典型CNN网络 6.7 图片识别 6.8 输出层激励函数——SOFTMAX 6.8.1 SOFTMAX 6.8.2 交叉熵 6.9 小试牛刀——卷积网络做图片分类 6.10 小结 第7章 综合问题 7.1 并行计算 7.2 随机梯度下降 7.3 梯度消失问题 7.4 归一化 7.5 参数初始化问题 7.6 正则化 7.7 其他超参数 7.8 不唯一的模型 7.9 DropOut 7.10 小结 第8章 循环神经网络 8.1 隐马尔可夫模型 8.2 RNN和BPTT算法 8.2.1 结构 8.2.2 训练过程 8.2.3 艰难的误差传递 8.3 LSTM算法 8.4 应用场景 8.5 实践案例——自动文本生成 8.5.1 RNN工程代码解读 8.5.2 利用RNN学习莎士比亚剧本 8.5.3 利用RNN学习维基百科 8.6 实践案例——聊天机器人 8.7 小结 扩展篇 第9章 深度残差网络 9.1 应用场景 9.2 结构解释与数学推导 9.3 拓扑解释 9.4 Github示例 9.5 小结 第10章 受限玻尔兹曼机 10.1 结构 10.2 逻辑回归 10.3 最大似然度 10.4 最大似然度示例 10.5 损失函数 10.6 应用场景 10.7 小结 第11章 强化学习 11.1 模型核心 11.2 马尔可夫决策过程 11.2.1 用游戏开刀 11.2.2 准备工作 11.2.3 训练过程 11.2.4 问题 11.2.5 Q-Learning算法 11.3 深度学习中的Q-Learning——DQN 11.3.1 OpenAIGym 11.3.2 Atari游戏 11.4 小结 第12章 对抗学习 12.1 目的 12.2 训练模式 12.2.1 二元极小极大博弈 12.2.2 训练 12.3 CGAN 12.4 DCGAN 12.5 小结 第13章 有趣的深度学习应用 13.1 人脸识别 13.2 作诗姬 13.3 梵高附体 13.3.1 网络结构 13.3.2 内容损失 13.3.3 风格损失 13.3.4 系数比例 13.3.5 代码分析 13.4 小结 附录A VMware Workstation的安装 附录B Ubuntu虚拟机的安装 附录C Python语言简介 附录D 安装Theano 附录E 安装Keras 附录F 安装CUDA 参考文献