Keras快速上手：基于Python的深度學習實戰(zhàn)

1 準備深度學習的環(huán)境 1
1.1 硬件環(huán)境的搭建和配置選擇 1
1.1.1 通用圖形處理單元 3
1.1.2 你需要什么樣的 GPU 加速卡 6
1.1.3 你的 GPU 需要多少內存 6
1.1.4 是否應該用多個 GPU 10
1.2 安裝軟件環(huán)境 12
1.2.1 所需軟件列表 12
1.2.2 CUDA 的安裝 13
1.2.3 Python 計算環(huán)境的安裝 13
1.2.4 深度學習建模環(huán)境介紹 15
1.2.5 安裝 CNTK 及對應的 Keras 17
1.2.6 安裝 Theano 計算環(huán)境 23
1.2.7 安裝 TensorFlow 計算環(huán)境 25
1.2.8 安裝 cuDNN 和 CNMeM 27
2 數據收集與處理 28
2.1 網絡爬蟲 28
2.1.1 網絡爬蟲技術 29
2.1.2 構造自己的 Scrapy 爬蟲 30
2.1.3 構造可接受參數的 Scrapy 爬蟲 35
2.1.4 運行 Scrapy 爬蟲 36
2.1.5 運行 Scrapy 爬蟲的一些要點 38
2.2 大規(guī)模非結構化數據的存儲和分析 40
2.2.1 ElasticSearch 介紹 42
2.2.2 ElasticSearch 應用實例 44
3 深度學習簡介 57
3.1 概述 57
3.2 深度學習的統(tǒng)計學入門 58
3.3 一些基本概念的解釋 61
3.3.1 深度學習中的函數類型 62
3.3.2 深度學習中的其他常見概念 65
3.4 梯度遞減算法 67
3.5 后向傳播算法 70
4 Keras 入門 72
4.1 Keras 簡介 72
4.2 Keras 中的數據處理 73
4.2.1 文字預處理 74
4.2.2 序列數據預處理 82
4.2.3 圖片數據輸入 83
4.3 Keras 中的模型 83
4.4 Keras 中的重要對象 86
4.5 Keras 中的網絡層構造 90
4.6 使用 Keras 進行奇異值矩陣分解 102
5 推薦系統(tǒng) 105
5.1 推薦系統(tǒng)簡介 105
5.2 矩陣分解模型 108
5.3 深度神經網絡模型 114
5.4 其他常用算法 117
5.5 評判模型指標 119
6 圖像識別 121
6.1 圖像識別入門 121
6.2 卷積神經網絡的介紹 122
6.3 端到端的 MNIST 訓練數字識別 127
6.4 利用 VGG16 網絡進行字體識別 131
6.5 總結 135
7 自然語言情感分析 136
7.1 自然語言情感分析簡介 136
7.2 文字情感分析建模 139
7.2.1 詞嵌入技術 139
7.2.2 多層全連接神經網絡訓練情感分析 140
7.2.3 卷積神經網絡訓練情感分析 143
7.2.4 循環(huán)神經網絡訓練情感分析 144
7.3 總結 146
8 文字生成 147
8.1 文字生成和聊天機器人 147
8.2 基于檢索的對話系統(tǒng) 148
8.3 基于深度學習的檢索式對話系統(tǒng) 159
8.3.1 對話數據的構造 159
8.3.2 構造深度學習索引模型 162
8.4 基于文字生成的對話系統(tǒng) 166
8.5 總結 172
9 時間序列 173
9.1 時間序列簡介 173
9.2 基本概念 174
9.3 時間序列模型預測準確度的衡量 178
9.4 時間序列數據示例 179
9.5 簡要回顧 ARIMA 時間序列模型 181
9.6 循環(huán)神經網絡與時間序列模型 186
9.7 應用案例 188
9.7.1 長江漢口月度流量時間序列模型 190
9.7.2 國際航空月度乘客數時間序列模型 203
9.8 總結 209
10 智能物聯(lián)網 210
10.1 Azure 和 IoT 210
10.2 Azure IoT Hub 服務 213
10.3 使用 IoT Hub 管理設備概述 215
10.4 使用.NET 將模擬設備連接到 IoT 中心 218
10.5 機器學習應用實例 237