Keras快速上手：基于Python的深度學(xué)習(xí)實(shí)戰(zhàn)

1 準(zhǔn)備深度學(xué)習(xí)的環(huán)境 1
1.1 硬件環(huán)境的搭建和配置選擇 1
1.1.1 通用圖形處理單元 3
1.1.2 你需要什么樣的 GPU 加速卡 6
1.1.3 你的 GPU 需要多少內(nèi)存 6
1.1.4 是否應(yīng)該用多個 GPU 10
1.2 安裝軟件環(huán)境 12
1.2.1 所需軟件列表 12
1.2.2 CUDA 的安裝 13
1.2.3 Python 計(jì)算環(huán)境的安裝 13
1.2.4 深度學(xué)習(xí)建模環(huán)境介紹 15
1.2.5 安裝 CNTK 及對應(yīng)的 Keras 17
1.2.6 安裝 Theano 計(jì)算環(huán)境 23
1.2.7 安裝 TensorFlow 計(jì)算環(huán)境 25
1.2.8 安裝 cuDNN 和 CNMeM 27
2 數(shù)據(jù)收集與處理 28
2.1 網(wǎng)絡(luò)爬蟲 28
2.1.1 網(wǎng)絡(luò)爬蟲技術(shù) 29
2.1.2 構(gòu)造自己的 Scrapy 爬蟲 30
2.1.3 構(gòu)造可接受參數(shù)的 Scrapy 爬蟲 35
2.1.4 運(yùn)行 Scrapy 爬蟲 36
2.1.5 運(yùn)行 Scrapy 爬蟲的一些要點(diǎn) 38
2.2 大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)的存儲和分析 40
2.2.1 ElasticSearch 介紹 42
2.2.2 ElasticSearch 應(yīng)用實(shí)例 44
3 深度學(xué)習(xí)簡介 57
3.1 概述 57
3.2 深度學(xué)習(xí)的統(tǒng)計(jì)學(xué)入門 58
3.3 一些基本概念的解釋 61
3.3.1 深度學(xué)習(xí)中的函數(shù)類型 62
3.3.2 深度學(xué)習(xí)中的其他常見概念 65
3.4 梯度遞減算法 67
3.5 后向傳播算法 70
4 Keras 入門 72
4.1 Keras 簡介 72
4.2 Keras 中的數(shù)據(jù)處理 73
4.2.1 文字預(yù)處理 74
4.2.2 序列數(shù)據(jù)預(yù)處理 82
4.2.3 圖片數(shù)據(jù)輸入 83
4.3 Keras 中的模型 83
4.4 Keras 中的重要對象 86
4.5 Keras 中的網(wǎng)絡(luò)層構(gòu)造 90
4.6 使用 Keras 進(jìn)行奇異值矩陣分解 102
5 推薦系統(tǒng) 105
5.1 推薦系統(tǒng)簡介 105
5.2 矩陣分解模型 108
5.3 深度神經(jīng)網(wǎng)絡(luò)模型 114
5.4 其他常用算法 117
5.5 評判模型指標(biāo) 119
6 圖像識別 121
6.1 圖像識別入門 121
6.2 卷積神經(jīng)網(wǎng)絡(luò)的介紹 122
6.3 端到端的 MNIST 訓(xùn)練數(shù)字識別 127
6.4 利用 VGG16 網(wǎng)絡(luò)進(jìn)行字體識別 131
6.5 總結(jié) 135
7 自然語言情感分析 136
7.1 自然語言情感分析簡介 136
7.2 文字情感分析建模 139
7.2.1 詞嵌入技術(shù) 139
7.2.2 多層全連接神經(jīng)網(wǎng)絡(luò)訓(xùn)練情感分析 140
7.2.3 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練情感分析 143
7.2.4 循環(huán)神經(jīng)網(wǎng)絡(luò)訓(xùn)練情感分析 144
7.3 總結(jié) 146
8 文字生成 147
8.1 文字生成和聊天機(jī)器人 147
8.2 基于檢索的對話系統(tǒng) 148
8.3 基于深度學(xué)習(xí)的檢索式對話系統(tǒng) 159
8.3.1 對話數(shù)據(jù)的構(gòu)造 159
8.3.2 構(gòu)造深度學(xué)習(xí)索引模型 162
8.4 基于文字生成的對話系統(tǒng) 166
8.5 總結(jié) 172
9 時間序列 173
9.1 時間序列簡介 173
9.2 基本概念 174
9.3 時間序列模型預(yù)測準(zhǔn)確度的衡量 178
9.4 時間序列數(shù)據(jù)示例 179
9.5 簡要回顧 ARIMA 時間序列模型 181
9.6 循環(huán)神經(jīng)網(wǎng)絡(luò)與時間序列模型 186
9.7 應(yīng)用案例 188
9.7.1 長江漢口月度流量時間序列模型 190
9.7.2 國際航空月度乘客數(shù)時間序列模型 203
9.8 總結(jié) 209
10 智能物聯(lián)網(wǎng) 210
10.1 Azure 和 IoT 210
10.2 Azure IoT Hub 服務(wù) 213
10.3 使用 IoT Hub 管理設(shè)備概述 215
10.4 使用.NET 將模擬設(shè)備連接到 IoT 中心 218
10.5 機(jī)器學(xué)習(xí)應(yīng)用實(shí)例 237