烟台网站排名系统,在网站上做教育直播平台多少钱,如何在网上推广信用卡,查企业法人信息查询平台部分初识1初识深度学习/21.1Python的深度学习/21.2软件环境和基本要求/31.2.1Python和SciPy/31.2.2机器学习/31.2.3深度学习/41.3阅读本书的收获/41.4本书说明/41.5本书中的代码/52深度学习生态圈/62.1CNTK/62.1.1安装CNTK/72.1.2CNTK的简单例子/82.2TensorFlow/8部分初识1初识…部分初识1初识深度学习/21.1Python的深度学习/21.2软件环境和基本要求/31.2.1Python和SciPy/31.2.2机器学习/31.2.3深度学习/41.3阅读本书的收获/41.4本书说明/41.5本书中的代码/52深度学习生态圈/62.1CNTK/62.1.1安装CNTK/72.1.2CNTK的简单例子/82.2TensorFlow/8部分初识1初识深度学习/21.1Python的深度学习/21.2软件环境和基本要求/31.2.1Python和SciPy/31.2.2机器学习/31.2.3深度学习/41.3阅读本书的收获/41.4本书说明/41.5本书中的代码/52深度学习生态圈/62.1CNTK/62.1.1安装CNTK/72.1.2CNTK的简单例子/82.2TensorFlow/82.2.1TensorFlow介绍/82.2.2安装TensorFlow/92.2.3TensorFlow的简单例子/92.3Keras/102.3.1Keras简介/112.3.2Keras安装/112.3.3配置Keras的后端/112.3.4使用Keras构建深度学习模型/122.4云端GPUs计算/13第二部分多层感知器3个多层感知器实例印第安人糖尿病诊断/163.1概述/163.2PimaIndians数据集/173.3导入数据/183.4定义模型/193.5编译模型/203.6训练模型/213.7评估模型/213.8汇总代码/224多层感知器速成/244.1多层感知器/244.2神经元/254.2.1神经元权重/254.2.2激活函数/264.3神经网络/274.3.1输入层(可视层)/284.3.2隐藏层/284.3.3输出层/284.4训练神经网络/294.4.1准备数据/294.4.2随机梯度下降算法/304.4.3权重更新/304.4.4预测新数据/315评估深度学习模型/335.1深度学习模型和评估/335.2自动评估/345.3手动评估/365.3.1手动分离数据集并评估/365.3.2k折交叉验证/376在Keras中使用Scikit-Learn/406.1使用交叉验证评估模型/416.2深度学习模型调参/427多分类实例鸢尾花分类/497.1问题分析/497.2导入数据/507.3定义神经网络模型/507.4评估模型/527.5汇总代码/528回归问题实例波士顿房价预测/548.1问题描述/548.2构建基准模型/558.3数据预处理/578.4调参隐藏层和神经元/589二分类实例银行营销分类/619.1问题描述/619.2数据导入与预处理/629.3构建基准模型/649.4数据格式化/669.5调参网络拓扑图/6610多层感知器进阶/6810.1JSON序列化模型/6810.2YAML序列化模型/7410.3模型增量更新/7810.4神经网络的检查点/8110.4.1检查点跟踪神经网络模型/8210.4.2自动保存模型/8410.4.3从检查点导入模型/8610.5模型训练过程可视化/8711Dropout与学习率衰减9211.1神经网络中的Dropout/9211.2在Keras中使用Dropout/9311.2.1输入层使用Dropout/9411.2.2在隐藏层使用Dropout/9511.2.3Dropout的使用技巧/9711.3学习率衰减/9711.3.1学习率线性衰减/9811.3.2学习率指数衰减/10011.3.3学习率衰减的使用技巧/103第三部分卷积神经网络12卷积神经网络速成/10612.1卷积层/10812.1.1滤波器/10812.1.2特征图/10912.2池化层/10912.3全连接层/10912.4卷积神经网络案例/11013手写数字识别/11213.1问题描述/11213.2导入数据/11313.3多层感知器模型/11413.4简单卷积神经网络/11713.5复杂卷积神经网络/12014Keras中的图像增强/12414.1Keras中的图像增强API/12414.2增强前的图像/12514.3特征标准化/12614.4ZCA白化/12814.5随机旋转、移动、剪切和反转图像/12914.6保存增强后的图像/13215图像识别实例CIFAR-10分类/13415.1问题描述/13415.2导入数据/13515.3简单卷积神经网络/13615.4大型卷积神经网络/14015.5改进模型/14516情感分析实例IMDB影评情感分析/15216.1问题描述/15216.2导入数据/15316.3词嵌入/15416.4多层感知器模型/15516.5卷积神经网络/157第四部分循环神经网络17循环神经网络速成/16217.1处理序列问题的神经网络/16317.2循环神经网络/16417.3长短期记忆网络/16518多层感知器的时间序列预测国际旅行人数预测/16718.1问题描述/16718.2导入数据/16818.3多层感知器/16918.4使用窗口方法的多层感知器/17219LSTM时间序列问题预测国际旅行人数预测17719.1LSTM处理回归问题/17719.2使用窗口方法的LSTM回归/18119.3使用时间步长的LSTM回归/18519.4LSTM的批次间记忆/18819.5堆叠LSTM的批次间记忆/19220序列分类IMDB影评分类/19720.1问题描述/19720.2简单LSTM/19720.3使用Dropout改进过拟合/19920.4混合使用LSTM和CNN/20121多变量时间序列预测PM2.5预报/20321.1问题描述/20321.2数据导入与准备/20421.3构建数据集/20621.4简单LSTM/20722文本生成实例爱丽丝梦游仙境/21122.1问题描述/21122.2导入数据/21222.3分词与向量化/21222.4词云/21322.5简单LSTM/21522.6生成文本/219附录A深度学习的基本概念/223A.1神经网络基础/223A.2卷积神经网络/227A.3循环神经网络/229
