目錄
一、本書的主要特點
1.以實踐和應用為導向
2. 算法的描述清晰而有深度
3. 基于Tensorflow 1.4及以上版本
二、本書的主要内容
1.第1~11章主要介紹深度卷積神經網絡相關的項目
2. 第12~17章主要介紹RNN、LSTM相關的項目。
3. 第18~21章主要介紹強化學習相關的項目
三、如何閱讀這本書
四、開發環境
五、參考資料
注:寫部落格督促自己學習,一周至少寫一篇。希望能和大家一起學習交流,共同進步!
21個項目玩轉深度學習-前言 思維導圖
一、本書的主要特點
1.以實踐和應用為導向
本書從實用性和趣味性兩個方面考慮,選擇了21個實踐項目,其中既有MNIST手寫數字識别項目,也有目标檢測、人臉識别、時間序列預測實用性項目。通過這些項目來引導讀者學習深度學習技術和Tensorflow程式設計技巧。
2. 算法的描述清晰而有深度
本書對算法的語言描述很簡單,達到了清晰而有條理的程度,使讀者閱讀起來很容易了解。
3. 基于Tensorflow 1.4及以上版本
本書代碼全部基于Tensorflow 1.4及以上版本。
代碼推薦運作環境為:Ubuntu 14.04, Python 2.7、Tensorflow1.4.0。
(本人代碼運作環境:win10, python3.6版本, tensorflow-gpu 1.9.0。)
二、本書的主要内容
1.第1~11章主要介紹深度卷積神經網絡相關的項目
第1~3章屬于入門章節,主要讨論深度學習中最基礎的圖像識别問題;
第4~7章讨論了其他計算機視覺相關的實踐案例,如目辨別别、人臉識别、圖像風格遷移等;
第8~11章介紹了GAN模型和它的幾個重要變體。
2. 第12~17章主要介紹RNN、LSTM相關的項目。
第12章詳細介紹了RNN和LSTM的原理、實作方法和一個應用執行個體——Char RNN;
第13~17章讨論了一些更複雜更具體的案例,如序列分類、詞嵌入表示、時間序列預測、機器翻譯等。
3. 第18~21章主要介紹強化學習相關的項目
第18、19章分别介紹了相對簡單的QLearning和SARSA算法;
第20章和第21章介紹了更複雜的DQN和政策梯度算法。
三、如何閱讀這本書
1.第一遍,快速浏覽本書,看有哪些項目
2.從前到後閱讀各個章節的算法原理,并運作相應的實踐項目。
3.根據需要對照源碼看相關章節。
四、開發環境
本書代碼全部基于Tensorflow 1.4及以上版本。
代碼推薦運作環境為:Ubuntu 14.04, Python 2.7、Tensorflow1.4.0。
五、參考資料
1.《21個項目玩轉深度學習:基于Tensorflow的實踐詳解》
本書的電子版(需要的給我留言,留email我發給你)
本來分享了百度網盤,怕被投訴。
需要的給我留言吧,我分享給你