深度学习技术与应用

本书分为“基础篇”与“应用篇”两部分，共16章。“基础篇”从人工智能背景、机器学习与深度学习的发展开始介绍，通俗易懂地讲解深度学习的相关术语与算法，详细介绍了多种操作系统中实验环境的安装部署。“应用篇”从简单的视觉入门基础MNIST手写数字识别、CIFAR一10照片图像物体识别等入手，到复杂的多层感知器预测泰坦尼克号上旅客的生存概率、自然语言处理与情感分析等，每章都围绕着实例详细讲解，加深对知识点的掌握。本书是为“深度学习”课程编写的教材，适合作为高等院校相关专业的教材或教学参考书，也可作为机构培训的辅导书。

第一部分基础篇
第1章绪论
1.1人工智能
1.2机器学习
1.3浅层学习和深度学习
第2章机器学习基础术语
2.1机器学习相关术语
2.2学习模型评估
2.3深度学习基础知识
2.3.1线性回归
2.3.2神经元
2.3.3人工神经网络
2.3.3卷积神经网络
小结
第3章实验环境安装部署
3.1下载说明
3.2Anaconda的安装
3.3PyCharm的安装
3.4虚拟机部署安装
小结
第4章神经网络入门
4.1常见深度学习框架介绍
4.2TensorFlowPlayground
4.3Keras神经网络的核心组件
4.4TensorFlow实现神经网络
小结
第二部分应用篇
第5章牛刀小试——深度学习与计算机视觉入门基础
5.1创建环境和安装依赖
5.1.1创建虚拟环境
5.1.2安装依赖
5.2构建项目
5.3数据操作——Numpy
5.3.1多维数组的创建
5.3.2多维数组的基本运算和操作方法
5.3.3多维数组索引
5.4线性回归
5.4.1线性回归基本问题
5.4.2线性回归从零开始实现
5.4.3损失函数
小结
第6章初试Keras与多层感知机的搭建
6.1构建项目
6.2MNIST数据集下载和预处理
6.2.1导入相关模块和下载数据
6.2.2数据预处理
6.3首次尝试搭建多层感知机进行训练
6.3.1搭建模型
6.3.2神经网络训练
6.4增加隐藏层改进模型
6.4.1建模型
6.4.2神经网络训练
6.5对训练结果进行评估
6.5.1使用测试集评估模型准确率
6.5.2使用模型将测试集进行预测
6.5.3建立误差矩阵
小结
第7章搭建多层感知机识别手写字符集
7.1构建项目
7.2搭建带有隐藏层的多层感知机模型
7.3误差说明与过拟合问题
7.3.1训练误差与泛化误差
7.3.2过拟合问题
7.4处理模型过拟合问题
7.4.1增加隐藏层神经元查看过拟合情况
7.4.2加入Dropout功能来处理过拟合问题
7.4.3建立两个隐藏层的多层感知机模型
7.5保存模型
7.5.1将模型结构保存为json格式
7.5.2保存模型权重
小结
第8章初识卷积神经网络——FashionMNIST
8.1卷积神经网络简介
8.1.1多层感知机和卷积神经网络
8.1.2卷积神经网络
8.2LeNet-5网络模型
8.3FashionMNIST
8.3.1服装分类的数据集
8.3.2数据集的下载与使用
8.3.3了解FashionMNIsT数据集
8.4进行FashionMNIST数据集识别
8.4.1初始处理数据
8.4.2搭建LeNet-5与训练模型
8.4.3训练过程与评估模型
8.4.4卷积输出可视化
8.5改进LeNet-5实现FashionMNIsT数据集识别
8.5.1初始处理数据
8.5.2搭建模型与训练
8.5.3训练过程与评估模型
8.5.4测试集预测
8.5.5保存模型与网络结构
8.6使用自然测试集进行预测
8.6.1图片预处理
8.6.2预测结果
小结
第9章CIFAR-1O图像识别
9.1准备工作
9.2CIFAR-10数据集下载与分析
9.2.1CIFAR-10数据的下载
9.2.2查看训练数据
9.3处理数据集与训练模型
9.3.1处理数据集
9.3.2模型的搭建
9.3.3模型的训练
9.3.4测试训练结果
9.4提升模型的准确率
小结
第10章图像分类——Kaggle猫狗大战
10.1准备工作
10.2数据集的处理
1O.2.1数据集下载与存放
10.2.2数据文件处理
10.2.3读取和预处理数据集
10.3构建神经网络模型
1O.3.1搭建简单的模型进行训练与评估
10.3.2利用数据扩充解决过拟合问题
小结
第11章多输出神经网络实现CAPTCHA验证码识别
11.1准备工作
11.2数据集的处理
11.2.1CAPTCHA验证码
11.2.2构建cAPTcHA验证码生成器
11.3深度神经网络模型
11.3.1搭建深度卷积神经网络模型
11.3.2训练模型
11.4模型评估与预测
11.4.1评估模型准确率
11.4.2生成数据集预测
小结
第12章Keras搭建模型预测泰坦尼克号游客信息
12.1项目构建
12.2数据预处理
12.2.1使用DataFrame分析数据和数据预处理
12.2.2使用Numpy进行数据预处理
12.3采用多层感知机模型进行预测
12.3.1模型建立
12.3.2开始训练
12.3.3模型评估
12.3.4构建自由数据进行预测
小结
第13章自然语言处理-IMDb网络电影数据集分析
13.1IMDb数据库
13.2Keras自然语言处理
13.2.1建立Token
13.2.2转换
13.2.3截长补短
13.2.4数字列表转成向量列表
13.3构建项目
13.3.1创建项目文件
13.3.2下载IMDb数据集
13.4IMDb数据集预处理
13.4.1读取数据
13.4.2建立T0ken
……