Python深度学习实战(75个有关神经网络建模强化学习与迁移学习的解决方案)/深度学习系

作者简介

Indra den Bakker是一位经验丰富的深度学习工程师和培训师。他是23insights平台的创始人，这是NVIDIA所属孵化项目计划的一部分，这是一个机器学习构建解决方案的初创型计划，可以改变世界上重要的行业。在开放课程平台Udacity，他指导了在深度学习和相关领域攻读微学位（Nanodegree）的学生，他还负责审查学生的实习项目。Indra拥有计算智能背景，并在创建23insights平台之前作为IPG Mediabrands的品牌代理以及Screen6的数据科学家若干年。

内容简介

本书针对所提出的问题提供技术解决方案，并提供对这些解决方案的详细解释。此外，还讨论了使用TensorFlow、PyTorch、Keras和CNTK等流行开源框架针对实际问题解决方案相应的优缺点。本书也介绍了人工神经网络基本概念及其相关技术，包括经典的网络拓扑等。本书主要目的是为Python程序员提供较为详细的实战方案，以便将深度学习应用于常见和不常见实际问题场景。 本书包括14章：（1）　编程环境、GPU 计算、云解决方案和深度学习框架；（2）前馈神经网络；（3）卷积神经网络；（4）递归神经网络；（5）强化学习；（6）生成对抗网络；（7）计算机视觉；（8）自然语言处理；（9）语音识别和视频分析；（10）时间序列和结构化数据；（11）游戏智能体和机器人；（12）超参数选择、调优和神经网络学习；（13）网络内部构造；（14）预训练模型。 本书的主要特点： 1）提供训练不同神经网络模型并调整模型以期获得佳性能的实战方案； 2）使用诸如TensorFlow、Caffe、Keras、Theano的Python框架进行自然语言处理、计算机视觉识别等； 3）Python深度学习中的常见以及不常见问题的解决指南。 通过本书将会学到： 1）在Python中实现不同的人工神经网络模型； 2）选择诸如PyTorch、TensorFlow、MXNet和Keras等优的Python开源框架来进行深度学习； 3）应用神经网络内部细节相关的提示和技巧，以提高学习成效； 4）巩固机器学习原理并将其应用于深度学习领域； 5）重用Python代码段并将其应用于解决日常问题； 6）评估每个解决方案的成本/收益和性能影响。