Keras與深度學(xué)習(xí)實(shí)戰(zhàn)

第 1章　深度學(xué)習(xí)概述　1
1.1　深度學(xué)習(xí)簡(jiǎn)介　1
1.1.1　深度學(xué)習(xí)的定義　1
1.1.2　深度學(xué)習(xí)常見應(yīng)用　2
1.2　深度學(xué)習(xí)與應(yīng)用領(lǐng)域　9
1.2.1　深度學(xué)習(xí)與計(jì)算機(jī)視覺　9
1.2.2　深度學(xué)習(xí)與自然語言處理　10
1.2.3　深度學(xué)習(xí)與語音識(shí)別　11
1.2.4　深度學(xué)習(xí)與機(jī)器學(xué)習(xí)　11
1.2.5　深度學(xué)習(xí)與人工智能　12
1.3　Keras簡(jiǎn)介　13
1.3.1　各深度學(xué)習(xí)框架對(duì)比　13
1.3.2　Keras與TensorFlow的關(guān)系　15
1.3.3　Keras常見接口　15
1.3.4　Keras特性　17
1.3.5　Keras安裝　17
1.3.6　Keras中的預(yù)訓(xùn)練模型　20
小結(jié)　22
課后習(xí)題　23
第　2章 Keras深度學(xué)習(xí)通用流程　24
2.1　基于全連接網(wǎng)絡(luò)的手寫數(shù)字識(shí)別實(shí)例　24
2.2　數(shù)據(jù)加載與預(yù)處理　28
2.2.1　數(shù)據(jù)加載　28
2.2.2　數(shù)據(jù)預(yù)處理　31
2.3　構(gòu)建網(wǎng)絡(luò)　39
2.3.1　模型生成　39
2.3.2　核心層　40
2.3.3　自定義層　47
2.4　訓(xùn)練網(wǎng)絡(luò)　51
2.4.1　優(yōu)化器　51
2.4.2　損失函數(shù)　54
2.4.3　訓(xùn)練方法　60
2.5　性能評(píng)估　64
2.5.1　性能監(jiān)控　64
2.5.2　回調(diào)檢查　69
2.6　模型的保存與加載　77
實(shí)訓(xùn)1　利用Keras進(jìn)行數(shù)據(jù)加載與增強(qiáng)　79
實(shí)訓(xùn)2　利用Keras構(gòu)建網(wǎng)絡(luò)并訓(xùn)練　80
小結(jié)　80
課后習(xí)題　81
第3章　Keras深度學(xué)習(xí)基礎(chǔ)　82
3.1　卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)　82
3.1.1　卷積神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層　83
3.1.2　基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別實(shí)例　96
3.1.3　常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)　99
3.2　循環(huán)神經(jīng)網(wǎng)絡(luò)　106
3.2.1　循環(huán)神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層　108
3.2.2　基于循環(huán)神經(jīng)網(wǎng)絡(luò)和Self Attention網(wǎng)絡(luò)的新聞?wù)诸悓?shí)例　123
3.3　生成對(duì)抗網(wǎng)絡(luò)　131
3.3.1　常用生成對(duì)抗網(wǎng)絡(luò)算法及其結(jié)構(gòu)　131
3.3.2　基于生成對(duì)抗網(wǎng)絡(luò)的手寫數(shù)字生成實(shí)例　135
實(shí)訓(xùn)1　卷積神經(jīng)網(wǎng)絡(luò)　150
實(shí)訓(xùn)2　循環(huán)神經(jīng)網(wǎng)絡(luò)　151
實(shí)訓(xùn)3　生成對(duì)抗網(wǎng)絡(luò)　151
小結(jié)　152
課后習(xí)題　152
第4章　基于RetinaNet的目標(biāo)檢測(cè)　154
4.1　算法簡(jiǎn)介與目標(biāo)分析　154
4.1.1　背景介紹　154
4.1.2　目標(biāo)檢測(cè)算法概述　155
4.1.3　目標(biāo)檢測(cè)相關(guān)理論介紹　156
4.1.4　分析目標(biāo)　158
4.1.5　項(xiàng)目工程結(jié)構(gòu)　158
4.2　數(shù)據(jù)準(zhǔn)備　159
4.2.1　數(shù)據(jù)集下載　159
4.2.2　圖像預(yù)處理　160
4.2.3　數(shù)據(jù)集編碼　166
4.2.4　數(shù)據(jù)集管道設(shè)置　171
4.3　構(gòu)建網(wǎng)絡(luò)　171
4.3.1　RetinaNet的網(wǎng)絡(luò)結(jié)構(gòu)　172
4.3.2　構(gòu)建RetinaNet　173
4.4　訓(xùn)練網(wǎng)絡(luò)　177
4.4.1　定義損失函數(shù)　177
4.4.2　訓(xùn)練網(wǎng)絡(luò)　180
4.4.3　加載模型測(cè)試點(diǎn)　181
4.5　模型預(yù)測(cè)　182
4.5.1　進(jìn)行解碼與非極大值抑制處理　182
4.5.2　預(yù)測(cè)結(jié)果　184
實(shí)訓(xùn)　使用VOC2007數(shù)據(jù)集訓(xùn)練和測(cè)試RetinaNet　186
小結(jié)　186
課后習(xí)題　186
第5章　基于LSTM網(wǎng)絡(luò)的詩(shī)歌生成　187
5.1　目標(biāo)分析　187
5.1.1　背景介紹　187
5.1.2　分析目標(biāo)　188
5.1.3　項(xiàng)目工程結(jié)構(gòu)　189
5.2　文本預(yù)處理　189
5.2.1　標(biāo)識(shí)詩(shī)句結(jié)束點(diǎn)　189
5.2.2　去除低頻詞　190
5.2.3　構(gòu)建映射　191
5.3　構(gòu)建網(wǎng)絡(luò)　191
5.3.1　設(shè)置配置項(xiàng)參數(shù)　191
5.3.2　生成訓(xùn)練數(shù)據(jù)　192
5.3.3　構(gòu)建LSTM網(wǎng)絡(luò)　194
5.4　訓(xùn)練網(wǎng)絡(luò)　194
5.4.1　查看學(xué)習(xí)情況　194
5.4.2　生成詩(shī)句　195
5.4.3　訓(xùn)練網(wǎng)絡(luò)　196
5.5　結(jié)果分析　197
實(shí)訓(xùn)　基于LSTM網(wǎng)絡(luò)的文本生成　199
小結(jié)　199
課后習(xí)題　199
第6章　基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換　200
6.1　目標(biāo)分析　200
6.1.1　背景介紹　200
6.1.2　分析目標(biāo)　201
6.1.3　項(xiàng)目工程結(jié)構(gòu)　201
6.2　數(shù)據(jù)準(zhǔn)備　203
6.3　構(gòu)建網(wǎng)絡(luò)　205
6.3.1　定義恒等映射網(wǎng)絡(luò)函數(shù)　206
6.3.2　定義殘差網(wǎng)絡(luò)函數(shù)　207
6.3.3　定義生成器函數(shù)　208
6.3.4　定義判別器函數(shù)　211
6.4　訓(xùn)練網(wǎng)絡(luò)　212
6.4.1　定義訓(xùn)練過程函數(shù)　212
6.4.2　定義生成圖像函數(shù)　214
6.5　結(jié)果分析　215
實(shí)訓(xùn)　基于CycleGAN實(shí)現(xiàn)莫奈畫作與現(xiàn)實(shí)風(fēng)景圖像的風(fēng)格轉(zhuǎn)換　217
小結(jié)　217
課后習(xí)題　218
第7章　基于TipDM大數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)詩(shī)歌生成　219
7.1　平臺(tái)簡(jiǎn)介　219
7.1.1　共享庫(kù)　220
7.1.2　數(shù)據(jù)連接　220
7.1.3　數(shù)據(jù)集　221
7.1.4　我的工程　222
7.1.5　個(gè)人組件　224
7.2　實(shí)現(xiàn)詩(shī)歌生成　224
7.2.1　配置數(shù)據(jù)源　225
7.2.2　文本預(yù)處理　227
7.2.3　構(gòu)建網(wǎng)絡(luò)　227
7.2.4　訓(xùn)練網(wǎng)絡(luò)　230
7.2.5　結(jié)果分析　234
實(shí)訓(xùn)　實(shí)現(xiàn)基于TipDM大數(shù)據(jù)挖掘模平臺(tái)的文本生成　235
小結(jié)　236
課后習(xí)題　236