书籍:Python深度学习项目 Python Deep Learning Projects - 2018.Pdf

简介

书籍:Python深度学习项目 Python Deep Learning Projects  - 2018.Pdf

Python深度学习项目

使用Python和Keras掌握深度学习和神经网络架构的富有洞察力的项目

主要特点

  • 探索跨计算机视觉,自然语言处理(NLP)和图像处理的深度学习
  • 探索深度神经网络及其部署培训的最佳实践
  • 访问流行的深度学习模型以及广泛使用的神经网络架构

图书说明

深度学习已逐渐彻底改变人工智能的各个领域,使应用程序开发更容易。

Python深度学习项目提供了在计算语言学和计算机视觉领域实现复杂深度学习项目所需的所有知识。这些项目中的每一个都是独一无二的,可帮助您逐步掌握主题。您将学习如何使用递归神经网络(RNN)模型实现文本分类器系统并对其进行优化,以了解在实施简单深度学习系统时可能遇到的缺点。

同样,您将发现如何使用seq-to-seq模型和语言建模开发各种项目,包括单词矢量表示,开放域问题解答和构建聊天机器人。除此之外,您还将通过一系列引人入胜的项目涵盖高级概念,例如正则化,梯度限幅,梯度归一化和双向RNN。

在本书的最后,您将获得以直接的方式和有效的方式开发自己的深度学习系统的知识

参考资料

你会学到什么

  • 在Amazon Web Services(AWS)上设置深度学习开发环境
  • 应用基于GPU的实例以及深度学习AMI
  • 实现seq-to-seq网络,用于建模自然语言处理(NLP)
  • 开发端到端语音识别系统
  • 构建用于图像的逐像素语义标记的系统
  • 创建一个生成图像及其区域的系统

这本书读者

如果您想深入了解深度学习,数据科学和人工智能,Python深度学习项目适合您。本书也适合那些想要深入学习并开发自己的AI项目的人。

假设您对Python编程有充分的了解

目录

  • 建立深度学习环境
  • 用回归训练神经网络进行预测
  • 单词矢量表示使用Word2VEC(skip-gram)进行单词预测
  • 构建开放域问答的NLP管道
  • 用于构建聊天机器人的序列到序列模型
  • 使用Bi-LSTM进行内容创建的生成语言建模
  • 使用DeepSpeech2构建语音识别
  • 使用ConvNets进行手写数字分类
  • 使用OpenCV和TensorFlow进行实时对象检测
  • 使用OpenFace和群集构建人脸识别
  • 使用NeuralTalk模型自动化图像标题
  • 使用ConvNets对3D模型进行姿态估计
  • 使用GAN进行样式转换的图像翻译
  • 培养具有深度强化学习能力的机器人
  • 深度学习职业生涯的总结和后续步骤
上一篇:Google Patent


下一篇:掌握Python系统管理-调试和分析脚本1-debugging