Keras深度学习实战

作为机器学习中的一个重要研究领域，人工神经网络的发展历史一波三折。2006年以来，随着深度学习的兴起和成功应用，人工神经网络迎来了新的生机。与传统的人工神经网络相比，深度学习的很大特点是网络层数有了大幅度的增加，配合其他相关技术，解决了以图像、声音等作为数据的传统人工神经网络难以解决的问题。作为快速实现深度学习的平台，TensorFlow一定程度上简化了神经网络的构建程序，Keras进一步对TensorFlow进行了封装，从而能更加快速地把用户的思想转化为代码。本书从实用的角度出发，全方面介绍了如何使用Keras解决深度学习中的各类问题。本书假设读者无任何关于深度学习编程的基础知识，首先介绍了Keras这一高度模块化、极简式的深度学习框架的安装、配置和编译等平台搭建知识，而后详细介绍了深度学习所要求的数据预处理等基本内容，在此基础上介绍了卷积神经网络、生成式对抗网络、递归神经网络这三种深度学习方法并给出了相关实例代码，很后本书介绍了自然语言处理、强化学习两方面的内容。本书是一本实践性很强的深度学习工具书，既适合希望快速学习和使用Keras深度学习框架的工程师、学者和从业者，又特别适合立志从事深度学习和AI相关的行业并且希望用Keras开发实际项目的工程技术人员。

 

译者序
审校者简介
前言
章Keras安装1
1.1引言1
1.2在Ubuntu16.04上安装Keras1
1.2.1准备工作2
1.2.2怎么做2
1.3在Docker镜像中使用JupyterNotebook安装Keras7
1.3.1准备工作7
1.3.2怎么做7
1.4在已激活GPU的Ubuntu16.04上安装Keras9
1.4.1准备工作9
1.4.2怎么做10
第2章Keras数据集和模型13
2.1引言13
2.2CIFAR-10数据集13
2.3CIFAR-100数据集15
2.4MNIST数据集17
2.5从CSV文件加载数据18
2.6Keras模型入门19
2.6.1模型的剖析19
2.6.2模型类型19
2.7序贯模型20
2.8共享层模型27
2.8.1共享输入层简介27
2.8.2怎么做27
2.9Keras函数API29
2.9.1怎么做29
2.9.2示例的输出31
2.10Keras函数API——链接层31
2.11使用Keras函数API进行图像分类32
第3章数据预处理、优化和可视化36
3.1图像数据特征标准化36
3.1.1准备工作36
3.1.2怎么做37
3.2序列填充39
3.2.1准备工作39
3.2.2怎么做39
3.3模型可视化41
3.3.1准备工作41
3.3.2怎么做41
3.4优化43
3.5示例通用代码43
3.6随机梯度下降优化法44
3.6.1准备工作44
3.6.2怎么做44
3.7Adam优化算法47
3.7.1准备工作47
3.7.2怎么做47
3.8AdaDelta优化算法50
3.8.1准备工作51
3.8.2怎么做51
3.9使用RMSProp进行优化54
3.9.1准备工作54
3.9.2怎么做54
第4章使用不同的Keras层实现分类58
4.1引言58
4.2乳腺癌分类58
4.3垃圾信息检测分类66
第5章卷积神经网络的实现73
5.1引言73
5.2宫颈癌分类73
5.2.1准备工作74
5.2.2怎么做74
5.3数字识别84
5.3.1准备工作84
5.3.2怎么做85
第6章生成式对抗网络89
6.1引言89
6.2基本的生成式对抗网络90
6.2.1准备工作91
6.2.2怎么做91
6.3边界搜索生成式对抗网络98
6.3.1准备工作99
6.3.2怎么做100
6.4深度卷积生成式对抗网络106
6.4.1准备工作107
6.4.2怎么做108
第7章递归神经网络116
7.1引言116
7.2用于时间序列数据的简单RNN117
7.2.1准备工作118
7.2.2怎么做119
7.3时间序列数据的LSTM网络128
7.3.1LSTM网络128
7.3.2LSTM记忆示例129
7.3.3准备工作129
7.3.4怎么做129
7.4使用LSTM进行时间序列预测133
7.4.1准备工作134
7.4.2怎么做135
7.5基于LSTM的等长输出序列到序列学习143
7.5.1准备工作143
7.5.2怎么做144
第8章使用Keras模型进行自然语言处理150
8.1引言150
8.2词嵌入150
8.2.1准备工作151
8.2.2怎么做151
8.3情感分析157
8.3.1准备工作157
8.3.2怎么做159
8.3.3完整代码清单162
第9章基于Keras模型的文本摘要164
9.1引言164
9.2评论的文本摘要164
9.2.1怎么做165
9.2.2参考资料172
0章强化学习173
10.1引言173
10.2使用Keras进行《CartPole》游戏174
10.3使用竞争DQN算法进行《CartPole》游戏181
10.3.1准备工作183
10.3.2怎么做187