Applied Deep Learning

布克斯 全部内容, 电子书 59 次浏览 没有评论

图书说明:

使用深度学习中的高级主题,例如优化算法,超参数调整,丢失和错误分析,以及解决训练深度神经网络时遇到的典型问题的策略。您将首先研究激活函数,主要是使用单个神经元(ReLu,Sigmoid和Swish),了解如何使用TensorFlow执行线性和逻辑回归,并选择正确的成本函数。

下一节将讨论具有多个层和神经元的更复杂的神经网络架构,并探讨权重随机初始化的问题。整章专门介绍神经网络误差分析的完整概述,给出了解决来自不同分布的方差,偏差,过度拟合和数据集的问题的示例。

Applied Deep Learning还讨论了如何在不使用除NumPy之外的任何Python库的情况下完全从头开始实现逻辑回归,让您了解TensorFlow等库如何实现快速有效的实验。包括每种方法的案例研究,以实施所有理论信息。您将发现编写优化的Python代码的技巧和窍门(例如使用NumPy进行矢量化循环)。

你会学到什么

  • 在Python和TensorFlow中以正确的方式实现高级技术
  • 调试和优化高级方法(例如丢失和正则化)
  • 执行错误分析(以实现是否存在偏差问题,方差问题,数据偏移问题等)
  • 建立一个专注于复杂数据集深度学习的机器学习项目

本书适用于谁

对机器学习,线性代数,微积分和基本Python编程有中等理解的读者

[ypbtn]https://xiaoding.pipipan.com/fs/1927055-322818844[/ypbtn]

发表评论

Go