孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

Keras深度学习 基于Python

Keras深度学习 基于Python
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: [韩]
出版社: 人民邮电出版社
2020-03
版次: 1
ISBN: 9787115532619
定价: 99.00
装帧: 其他
开本: 16开
纸张: 胶版纸
分类: 计算机与互联网
7 张插图图片
9人买过
  • 在众多深度学习框架中，*容易上手的就是Keras，其简单、可扩展、可重复使用的特征使得非深度学习者也能轻松驾驭。《Keras深度学习 基于Python》通过日常生活中常见的乐高模型块，以简洁易懂的语言介绍了使用Keras时必知的深度学习概念，提供了可实操的Python源代码，讲解了能够直观构建并理解深度学习模型的模块示例。 金兑映 运营Keras Korea Facebook群组、Keras博客，担任（株）Inspace CTO、K-ICT大数据中心导师，庆熙大学太空探测系博士课程在读。 韩国航空宇宙研究院研究员，韩国科学技术联合研究生院（UST）卫星系统与应用工程硕士，庆北大学电子电气计算机工学院学士。 第 1 章　走进Keras 1

    1.1　关于Keras .1

    1.1.1　为什么是Keras 1

    1.1.2　Keras 的主要特征 2

    1.1.3　Keras 的基本概念 2

    1.2　Mac 版Keras 安装 .4

    1.2.1　创建项目目录 .5

    1.2.2　创建虚拟开发环境 .5

    1.2.3　安装基于Web 的Python 开发

    环境Jupyter　Notebook .6

    1.2.4　安装主要的包 .6

    1.2.5　安装深度学习库 .7

    1.2.6　测试安装环境 .7

    1.2.7　更换深度学习引擎 .10

    1.2.8　重启 .10

    1.2.9　解决错误 .10

    1.3　Windows 版Keras 安装 .12

    1.3.1　安装Anaconda .12

    1.3.2　创建项目目录 .14

    1.3.3　创建虚拟环境 .15

    1.3.4　安装基于Web 的Python 开发

    环境Jupyter　Notebook .16

    1.3.5　安装主要的包 .17

    1.3.6　安装深度学习库 .17

    1.3.7　测试安装环境 .18

    1.3.8　重启 .21

    1.3.9　解决错误 .21

    第　2 章 深度学习概念 .25

    2.1　数据集简介 .25

    2.1.1　训练集、验证集和测试集 .25

    2.1.2　Q&A 29

    2.2　关于训练过程 .29

    2.2.1　Batchsize 与训练周期 30

    2.2.2　Q&A 32

    2.3　查看训练过程 .33

    2.3.1　调用history 函数 .33

    2.3.2　启动TensorBoard .36

    2.3.3　编写回调函数 .39

    2.3.4　Q&A 43

    2.4　训练早停 .43

    2.4.1　过拟合模型 .43

    2.4.2　设置早停 .46

    2.4.3　Q&A 51

    2.5　模型评价 .52

    2.5.1　分类 .53

    2.5.2　检测与搜索 .60

    2.5.3　分离 .65

    2.6　查看/ 保存/ 调用训练模型 .68

    2.6.1　查看简易模型 .69

    2.6.2　实操中的深度学习系统 .70

    2.6.3　保存已训练模型 .71

    2.6.4　查看模型架构 .73

    2.6.5　调用已训练模型 .73

    2.6.6　Q&A 74

    第3　章 分层概念 76

    3.1　多层感知层介绍 .76

    3.1.1　模仿人类神经系统的神经元 .76

    3.1.2　连接输入/ 输出的Dense 层 .78

    3.2　搭建多层感知神经网模型 .82

    3.2.1　定义问题 .83

    3.2.2　准备数据 .83

    3.2.3　生成数据集 .84

    3.2.4　搭建模型 .85

    3.2.5　设置模型训练过程 .86

    3.2.6　训练模型 .86

    3.2.7　评价模型 .87

    3.2.8　全部代码 .87

    3.3　卷积神经网络分层 .89

    3.3.1　过滤特征显著的卷积层 .89

    3.3.2　忽略细微变化的最大池化层 .95

    3.3.3　将视频一维化的Flatten 层 .96

    3.3.4　尝试搭建模型 .97

    3.4　搭建卷积神经网络模型 .101

    3.4.1　定义问题 .101

    3.4.2　准备数据 .102

    3.4.3　生成数据集 .103

    3.4.4　搭建模型 .104

    3.4.5　设置模型训练过程 .105

    3.4.6　训练模型 .105

    3.4.7　评价模型 .106

    3.4.8　使用模型 .107

    3.4.9　全部代码 .107

    3.5　卷积神经网络模型数据增强 .109

    3.5.1　现实问题 .110

    3.5.2　查看原有模型结果 .　111

    3.5.3　数据增强 .113

    3.5.4　查看改善后的模型结果 .116

    3.6　循环神经网络分层 .119

    3.7　搭建循环神经网络模型 .121

    3.7.1　准备序列数据 .121

    3.7.2　生成数据集 .122

    3.7.3　训练过程 .123

    3.7.4　预测过程 .124

    3.7.5　多层感知器神经网络模型 .126

    3.7.6　标准LSTM 模型 131

    3.7.7　Stateful LSTM 模型 .136

    3.7.8　多种输入属性的模型结构 .141

    第4　章 示例应用 148

    4.1　输入?C 预测数值模型示例 .148

    4.1.1　准备数据集 .148

    4.1.2　准备层 .149

    4.1.3　模型准备 .149

    4.1.4　全部代码 .152

    4.1.5　训练结果比较 .156

    4.2　输入数值二元分类模型示例 .157

    4.2.1　准备数据集 .157

    4.2.2　准备层 .159

    4.2.3　准备模型 .159

    4.2.4　全部代码 .161

    4.2.5　训练结果比较 .164

    4.3　输入数值多元分类问题模型示例 .165

    4.3.1　准备数据集 .165

    4.3.2　数据预处理 .167

    4.3.3.　准备层 168

    4.3.4　准备模型 .168

    4.3.5　全部代码 .170

    4.3.6　训练结果比较 .174

    4.4　输入视频预测数值的模型示例 .174

    4.4.1　准备数据集 .175

    4.4.2　准备层 .176

    4.4.3　准备模型 .177

    4.4.4　全部代码 .178

    4.4.5　训练结果比较 .184

    4.5　输入视频预测二元分类问题的模型

    示例　.185

    4.5.1　准备数据集 .185

    4.5.2　准备层 .187

    4.5.3　准备模型 .187

    4.5.4　全部代码 .189

    4.5.5　训练结果比较 .198

    4.6　输入视频预测多元分类问题的模型

    示例　.199

    4.6.1　准备数据集 .200

    4.6.2　准备层 .201

    4.6.3　准备模型 .201

    4.6.4　全部代码 .203

    4.6.5　训练结果比较 .212

    4.7　输入时间序列数据，预测数值的

    模型示例　.213

    4.7.1　准备数据集 .213

    4.7.2　准备层 .215

    4.7.3　准备模型 .215

    4.7.4　全部代码 .218

    4.7.5　训练结果比较 .228

    4.7.6　Q&A 229

    4.8　根据输入句子（时间序列数值）预测

    二元分类问题的模型示例　.230

    4.8.1　准备数据集 .230

    4.8.2　准备层 .231

    4.8.3　准备模型 .232

    4.8.4　全部代码 .235

    4.8.5　训练结果比较 .241

    4.9　输入句子（时间序列数值）预测多元

    分类问题的模型示例　.242

    4.9.1　准备数据集 .243

    4.9.2　准备层 .243

    4.9.3　准备模型 .243

    4.9.4　全部代码 .246

    4.9.5　训练结果比较　.253
  • 内容简介:
    在众多深度学习框架中，*容易上手的就是Keras，其简单、可扩展、可重复使用的特征使得非深度学习者也能轻松驾驭。《Keras深度学习 基于Python》通过日常生活中常见的乐高模型块，以简洁易懂的语言介绍了使用Keras时必知的深度学习概念，提供了可实操的Python源代码，讲解了能够直观构建并理解深度学习模型的模块示例。
  • 作者简介:
    金兑映 运营Keras Korea Facebook群组、Keras博客，担任（株）Inspace CTO、K-ICT大数据中心导师，庆熙大学太空探测系博士课程在读。 韩国航空宇宙研究院研究员，韩国科学技术联合研究生院（UST）卫星系统与应用工程硕士，庆北大学电子电气计算机工学院学士。
  • 目录:
    第 1 章　走进Keras 1

    1.1　关于Keras .1

    1.1.1　为什么是Keras 1

    1.1.2　Keras 的主要特征 2

    1.1.3　Keras 的基本概念 2

    1.2　Mac 版Keras 安装 .4

    1.2.1　创建项目目录 .5

    1.2.2　创建虚拟开发环境 .5

    1.2.3　安装基于Web 的Python 开发

    环境Jupyter　Notebook .6

    1.2.4　安装主要的包 .6

    1.2.5　安装深度学习库 .7

    1.2.6　测试安装环境 .7

    1.2.7　更换深度学习引擎 .10

    1.2.8　重启 .10

    1.2.9　解决错误 .10

    1.3　Windows 版Keras 安装 .12

    1.3.1　安装Anaconda .12

    1.3.2　创建项目目录 .14

    1.3.3　创建虚拟环境 .15

    1.3.4　安装基于Web 的Python 开发

    环境Jupyter　Notebook .16

    1.3.5　安装主要的包 .17

    1.3.6　安装深度学习库 .17

    1.3.7　测试安装环境 .18

    1.3.8　重启 .21

    1.3.9　解决错误 .21

    第　2 章 深度学习概念 .25

    2.1　数据集简介 .25

    2.1.1　训练集、验证集和测试集 .25

    2.1.2　Q&A 29

    2.2　关于训练过程 .29

    2.2.1　Batchsize 与训练周期 30

    2.2.2　Q&A 32

    2.3　查看训练过程 .33

    2.3.1　调用history 函数 .33

    2.3.2　启动TensorBoard .36

    2.3.3　编写回调函数 .39

    2.3.4　Q&A 43

    2.4　训练早停 .43

    2.4.1　过拟合模型 .43

    2.4.2　设置早停 .46

    2.4.3　Q&A 51

    2.5　模型评价 .52

    2.5.1　分类 .53

    2.5.2　检测与搜索 .60

    2.5.3　分离 .65

    2.6　查看/ 保存/ 调用训练模型 .68

    2.6.1　查看简易模型 .69

    2.6.2　实操中的深度学习系统 .70

    2.6.3　保存已训练模型 .71

    2.6.4　查看模型架构 .73

    2.6.5　调用已训练模型 .73

    2.6.6　Q&A 74

    第3　章 分层概念 76

    3.1　多层感知层介绍 .76

    3.1.1　模仿人类神经系统的神经元 .76

    3.1.2　连接输入/ 输出的Dense 层 .78

    3.2　搭建多层感知神经网模型 .82

    3.2.1　定义问题 .83

    3.2.2　准备数据 .83

    3.2.3　生成数据集 .84

    3.2.4　搭建模型 .85

    3.2.5　设置模型训练过程 .86

    3.2.6　训练模型 .86

    3.2.7　评价模型 .87

    3.2.8　全部代码 .87

    3.3　卷积神经网络分层 .89

    3.3.1　过滤特征显著的卷积层 .89

    3.3.2　忽略细微变化的最大池化层 .95

    3.3.3　将视频一维化的Flatten 层 .96

    3.3.4　尝试搭建模型 .97

    3.4　搭建卷积神经网络模型 .101

    3.4.1　定义问题 .101

    3.4.2　准备数据 .102

    3.4.3　生成数据集 .103

    3.4.4　搭建模型 .104

    3.4.5　设置模型训练过程 .105

    3.4.6　训练模型 .105

    3.4.7　评价模型 .106

    3.4.8　使用模型 .107

    3.4.9　全部代码 .107

    3.5　卷积神经网络模型数据增强 .109

    3.5.1　现实问题 .110

    3.5.2　查看原有模型结果 .　111

    3.5.3　数据增强 .113

    3.5.4　查看改善后的模型结果 .116

    3.6　循环神经网络分层 .119

    3.7　搭建循环神经网络模型 .121

    3.7.1　准备序列数据 .121

    3.7.2　生成数据集 .122

    3.7.3　训练过程 .123

    3.7.4　预测过程 .124

    3.7.5　多层感知器神经网络模型 .126

    3.7.6　标准LSTM 模型 131

    3.7.7　Stateful LSTM 模型 .136

    3.7.8　多种输入属性的模型结构 .141

    第4　章 示例应用 148

    4.1　输入?C 预测数值模型示例 .148

    4.1.1　准备数据集 .148

    4.1.2　准备层 .149

    4.1.3　模型准备 .149

    4.1.4　全部代码 .152

    4.1.5　训练结果比较 .156

    4.2　输入数值二元分类模型示例 .157

    4.2.1　准备数据集 .157

    4.2.2　准备层 .159

    4.2.3　准备模型 .159

    4.2.4　全部代码 .161

    4.2.5　训练结果比较 .164

    4.3　输入数值多元分类问题模型示例 .165

    4.3.1　准备数据集 .165

    4.3.2　数据预处理 .167

    4.3.3.　准备层 168

    4.3.4　准备模型 .168

    4.3.5　全部代码 .170

    4.3.6　训练结果比较 .174

    4.4　输入视频预测数值的模型示例 .174

    4.4.1　准备数据集 .175

    4.4.2　准备层 .176

    4.4.3　准备模型 .177

    4.4.4　全部代码 .178

    4.4.5　训练结果比较 .184

    4.5　输入视频预测二元分类问题的模型

    示例　.185

    4.5.1　准备数据集 .185

    4.5.2　准备层 .187

    4.5.3　准备模型 .187

    4.5.4　全部代码 .189

    4.5.5　训练结果比较 .198

    4.6　输入视频预测多元分类问题的模型

    示例　.199

    4.6.1　准备数据集 .200

    4.6.2　准备层 .201

    4.6.3　准备模型 .201

    4.6.4　全部代码 .203

    4.6.5　训练结果比较 .212

    4.7　输入时间序列数据，预测数值的

    模型示例　.213

    4.7.1　准备数据集 .213

    4.7.2　准备层 .215

    4.7.3　准备模型 .215

    4.7.4　全部代码 .218

    4.7.5　训练结果比较 .228

    4.7.6　Q&A 229

    4.8　根据输入句子（时间序列数值）预测

    二元分类问题的模型示例　.230

    4.8.1　准备数据集 .230

    4.8.2　准备层 .231

    4.8.3　准备模型 .232

    4.8.4　全部代码 .235

    4.8.5　训练结果比较 .241

    4.9　输入句子（时间序列数值）预测多元

    分类问题的模型示例　.242

    4.9.1　准备数据集 .243

    4.9.2　准备层 .243

    4.9.3　准备模型 .243

    4.9.4　全部代码 .246

    4.9.5　训练结果比较　.253
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
12
相关图书 / 更多
Keras深度学习 基于Python
Key Basic Scientific Problems on Near-Space Vehicles（近空间飞行器的关键基础科学问题）
近空间飞行器的关键基础科学问题项目组
￥36.26 起
Keras深度学习 基于Python
Kerberos域网络安全从入门到精通
杨湘和
￥28.00 起
Keras深度学习 基于Python
KeyShot渲染宝典
沈应龙 编著
￥15.00 起
Keras深度学习 基于Python
Keras深度学习与神经网络
肖睿 程鸣萱
￥13.20 起
Keras深度学习 基于Python
Keras深度学习：入门、实战与进阶
谢佳标 著
￥40.00 起
Keras深度学习 基于Python
Keras深度学习开发实战
[英]马修·穆卡姆(Matthew Moocarme) (英)玛拉·阿伯杜拉乃德(Mahla Abdolahnejad) (英) 瑞提什·巴格瓦特（Ritesh Bhagwat） 著；邹伟 张良谋
￥39.48 起
Keras深度学习 基于Python
KeyTechnologyofTBMConstructionPlanningofD
郝玉鹏、高文强、张淑鹏、孙传军 译
￥27.38 起
Keras深度学习 基于Python
Keras实战：基于TensorFlow2.2的深度学习实践
王晓华
￥6.00 起
Keras深度学习 基于Python
Key Technologies for In-vehicle Networking Driving Active Service System
梁军
￥30.40 起
Keras深度学习 基于Python
Kettle构建HadoopETL系统实践（大数据技术丛书）
王雪迎 著
￥8.45 起
Keras深度学习 基于Python
Keras高级深度学习
罗韦尔·阿蒂恩扎（Rowel Atienza）
￥10.00 起
Keras深度学习 基于Python
Keras与深度学习实战
黄可坤；张良均
￥22.49 起
您可能感兴趣 / 更多
Keras深度学习 基于Python
漫画原子：追踪构成万物的基本粒子
[韩]赵珍豪 后浪
￥79.59 起
Keras深度学习 基于Python
点读版一起出去玩双语情景学说话全4册0-3孩子双语启蒙玩具书儿童语言学习兴趣儿童绘本
[韩]申俞珍 绘者；作者：(英)尼克·阿卡兰
￥101.70 起
Keras深度学习 基于Python
我的第一本科学漫画书 科学实验王升级版36：恒星与行星
[韩]故事工厂
￥15.08 起
Keras深度学习 基于Python
压缩现代性下的韩国：转型中的家族政治经济学（西方韩国研究丛书）
[韩]张庆燮 著；孙彤彤 译；司炳月
￥21.98 起
Keras深度学习 基于Python
爆款剧本密码
[韩]孙正铉 著；崔晓东 译
￥20.00 起
Keras深度学习 基于Python
科学大爆炸 : 身体篇+动物与微生物篇+植物篇（全3册）
[韩]徐海敬 著；[韩]李敬锡绘 蔡慧前 译；[韩]李邵英
￥24.26 起
Keras深度学习 基于Python
老龄化的老虎：韩国的退休困境（西方韩国研究丛书）
[韩]梁允祯 编；刘雪莲 译；[加拿大]托马斯·R.克拉森（ThomasR.Klassen）
￥22.18 起
Keras深度学习 基于Python
是什么缔造了汉江奇迹（西方韩国研究丛书）
[韩]俞正镐 著；方菊 译
￥15.98 起
Keras深度学习 基于Python
岁月你别催：不太好的日子要拿来浪费！看哭年轻人的治愈系漫画
[韩]跳舞蜗牛 著；官紫依 译
￥6.88 起
Keras深度学习 基于Python
从此鲜花赠自己：世界喧嚣，爱自己就好。世事纷扰，没什么比你的心情更重要。看哭年轻人的治愈系漫画
[韩]跳舞蜗牛 著；官紫依 译
￥6.78 起
Keras深度学习 基于Python
小鼹鼠的冬日安慰·如果你想有个朋友，就滚个雪球吧
[韩]金祥谨 著；孙玉霞 译
￥15.00 起
Keras深度学习 基于Python
量子物理好玩好懂(5费曼与量子计算机)
[韩]李亿周 著；王忆文 译
￥24.66 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全