TensorFlow+PyTorch深度學(xué)習(xí)從算法到實(shí)戰(zhàn)

目 錄
緒論?程序員為什么要學(xué)習(xí)機(jī)器學(xué)習(xí)
0.1?工業(yè)革命級的技術(shù)紅利
0.2?中美兩國為機(jī)器學(xué)習(xí)作背書
0.3?從編程思維向數(shù)據(jù)思維的進(jìn)化
第1章?30分鐘環(huán)境搭建速成
1.1?使用Anaconda搭建開發(fā)環(huán)境
1.2?使用Python自帶的開發(fā)環(huán)境
1.3?從源代碼搭建開發(fā)環(huán)境
第2章?深度學(xué)習(xí)5-4-6速成法
2.1?計算圖模型與計算框架
2.2?五步法構(gòu)造基本模型
2.3?案例教程
2.4?5-4-6速成法學(xué)習(xí)PyTorch
2.5?5-4-6速成法學(xué)習(xí)TensorFlow
2.6?在TensorFlow中使用Keras
2.7?本章小結(jié)
第3章?張量與計算圖
3.1?0維張量：標(biāo)量
3.2?計算圖與流程控制
3.3?變量
第4章?向量與矩陣
4.1?1維張量：向量
4.2?2維張量：矩陣
4.3?n維：張量
第5章?高級矩陣編程
5.1?范數(shù)及其實(shí)現(xiàn)
5.2?跡運(yùn)算
5.3?矩陣分解
第6章?優(yōu)化方法
6.1?梯度下降的基本原理
6.2?高維條件下的梯度下降
6.3?PyTorch和TensorFlow中的梯度計算
6.4?梯度下降案例教程
6.5?優(yōu)化方法進(jìn)階
第7章?深度學(xué)習(xí)基礎(chǔ)
7.1?從回歸到分類
7.2?深度學(xué)習(xí)簡史
第8章?基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)：卷積網(wǎng)絡(luò)
8.1?卷積的原理與計算
8.2?池化層
8.3?激活函數(shù)
8.4?AlexNet
第9章?卷積網(wǎng)絡(luò)圖像處理進(jìn)階
9.1?小卷積核改進(jìn)VGGNet
9.2?GoogLeNet
9.3?殘差網(wǎng)絡(luò)
9.4?目標(biāo)檢測
9.5?人臉識別
第10章?基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)：循環(huán)神經(jīng)網(wǎng)絡(luò)
10.1?循環(huán)神經(jīng)網(wǎng)絡(luò)原理
10.2?實(shí)用循環(huán)神經(jīng)網(wǎng)絡(luò)：LSTM
10.3?LSTM案例教程
10.4?實(shí)用循環(huán)神經(jīng)網(wǎng)絡(luò)：GRU
10.5?雙向循環(huán)神經(jīng)網(wǎng)絡(luò)
10.6?將隱藏狀態(tài)串聯(lián)起來
第11章?RNN在自然語言處理中的應(yīng)用
11.1?文本編碼：從獨(dú)熱編碼到詞向量
11.2?Char-RNN算法
11.3?Char-RNN的訓(xùn)練
11.4?Char-RNN的預(yù)測推理
11.5?Char-RNN完整模型
第12章?用JavaScript進(jìn)行TensorFlow編程
12.1?TensorFlow.js的簡介和安裝
12.2?TensorFlow.js的張量操作
12.3?TensorFlow.js的常用運(yùn)算
12.4?激活函數(shù)
12.5?TensorFlow.js變量
12.6?TensorFlow.js神經(jīng)網(wǎng)絡(luò)編程
12.7?TensorFlow.js實(shí)現(xiàn)完整模型
12.8?TensorFlow.js的后端接口
第13章?高級編程
13.1?GPU加速
13.2?生成對抗網(wǎng)絡(luò)
13.3?Attention機(jī)制
13.4?多任務(wù)學(xué)習(xí)
第14章?超越深度學(xué)習(xí)
14.1?自動機(jī)器學(xué)習(xí)AutoML
14.2?Autokeras
14.3?Windows Subsystem for Linux
14.4?強(qiáng)化學(xué)習(xí)
14.5?強(qiáng)化學(xué)習(xí)編程
14.6?下一步的學(xué)習(xí)方法