加入收藏 | 设为首页 |

安博电竞app-从代码规划到使用开发,入坑深度学习看这本书就够了

海外新闻 时间: 浏览:312 次


导读:深度学习(Deep Learning)是机器学习中一种依据对数据进行表征学习的办法。近年来,深度学习已经在科技界、工业界日益广泛地运用。跟着全球各范畴多样化数据的极速堆集和核算资源的成熟化商业服务,深度学习已经成为人工智能范畴最有用的办法。


现在,深度学习技能在语音辨认、图画分类、产品引荐等各运用范畴不断改写着智能处理水平纪录。可是与此同时,深度学习模型难以解说,参数调优困难,参数规划大练习周期长等问题也困扰着研讨和开发人员。


作者:高德荃,深度学习实战》译者



当下介绍深度学习的书本许多,可是《深度学习实战》一书视角不同,它重在实践,内容全面。《深度学习实战》英文版由O'REILLY出书社出书安博电竞app-从代码规划到使用开发,入坑深度学习看这本书就够了,中文版由机械工业出书社出书,作者Douwe Osinga曾供职于Google公司,是深度学习研讨及实践方面的一位资深专家。


《深度学习实战》最大的特征便是体系化供给了面向文本数据、图形图画数据、语音数据的多个实例。



在书中,一切的比莞如都是用Python编写的,而且大部分代码的完结都依赖于优异的Keras结构,每章的代码存放在一个notebook中,可以从网站下载学习。在实例章节,每章针对一种技能运用场景,从数据获取技巧开端,接着是几个完结本章方针的技巧和一个数据可视化的技巧。



01 文本处理范畴


词嵌入是自然语言处理的根本办法,咱们首先在第3章将运用预先练习好的词嵌入模型核算单词相似性,然后展示一些风趣的Word2vec数学特性,探究怎么对高维空间进行可视化,接下来运用Word2vec等词嵌入的语义特性进行特定范畴中的排名。


引荐体系在商业范畴运用广泛,它依据从前搜集到的用安博电竞app-从代码规划到使用开发,入坑深度学习看这本书就够了户评级数据进行练习。咱们在第4章会运用新练习的嵌入来猜测电影的谈论分数,依据维基百科传出链接(outgoing link)构建一个简略的电影引荐体系。


循环神经网络是一类长于处理时间或序列的重要神经网络,在文本处理中运用广泛,咱们在第5章运用RNN依据文本风格生成相似莎士比亚风格的文本,并对RNN的作业进行可视化。


智能客服会运用问答体系,其间要害一环是文本问题匹配,在第6章咱们运用来自Stack Exchange网站的数据来构建整个问题的词嵌入,然后运用Pandas从这些嵌入来匹配查找相似的文档或问题。



在交际网络中人们会为给定的一小段文原本引荐适用的表情符号,在第7章咱们运用Twitter API完结推文搜集,用贝叶斯分类器来论述基线功能,还介绍卷积模型以及组合模型及模型调优办法。


之后,在第8章咱们将介绍序列神经网络来学习文本片段之间的转化,从古腾堡项目(Project Gutenberg)的19世纪小说中提取对话,并运用seq2seq东西包来练习谈天机器人。



02 图画处理范畴



深度学习技能在图画辨认和核算机视觉范畴产生了比较深远的影响。在图画分类使命中,数十层(有时超越一百层)的神经网络已被证明非常有用,练习这样的网络需求极佳的处理才能和海量的练习图画。


在第9章咱们将介绍怎么加载预练习网络(该网络是Keras供给的五个预练习网络之一),研讨图画输入网络之前所需求预处理进程,展示怎么运转网络的推理形式。针对其他使命的新数据进行部分的从头练习也涵盖了搬迁学习(transfer learning)概念。


在网络查找中,或许有人会采纳以图搜图形式。在第10章咱们构建经过实例图片来查找图的查找引擎,咱们研讨怎么查询维基数据(Wikidata),并从维基百科中获取合适的根底图片集开端着手。然后,咱们将运用预练习网络为每个图片赋值,咱们将研讨主成分剖析(principal components analysis,PCA)作为可视化展示图与图之间联络的一种办法。


在实践国际中,咱们往往需求从一幅图画中检测提取多个方针方针的信息,这是图画处理中经典使命,也是一个非常活泼的研讨范畴,在Keras上的Python notebook中重现其间最先进的算法较为扎手。


在第11章咱们运用Faster RCNN进行练习完结方针检测使命,Faster RCNN在用于练习图画分类器的同一个特征图上并行练习区域主张模型,而不是独自处理区域主张问题。


运用核算机来“戏法”烘托图画很风趣,在第12章咱们将讨论一些用于可视化展示卷积网络进行图画分类时所见内容的技能。


然后,咱们将介绍规范(octaves)、深度愿望(deep dreaming)技能、格拉姆矩阵(gram matrices)等,之后,咱们进一步将这种技能运用于现有图画,并选用文森特梵高的名画《星空》的绘画风格烘托相片,运用两种款式的图画烘托同一张图片,然后取得一个两种风格之间的烘托成果。


依据实例生成图画是一个抢手的研讨范畴,在该范畴中每月都会出现出新主意和新打破。


在第13章,咱们将研讨一个略有局限性的范畴:手绘草图,从Google的Quick Draw数据集开端着手,树立一个可以学习“猫特点”的自编码器模型。咱们还研讨条件变分自编码器(conditional variational autoencoders),它在练习时会考虑图画标签,因而可以以随机款式再现特定类的图画。


在线查找“免费图标”可以得到许多查找安博电竞app-从代码规划到使用开发,入坑深度学习看这本书就够了成果。可是,这些成果并不是实在免费的(即没有任何运用约束的免费运用),大部分成果仅仅让用户感觉如同不需求花钱。此外,你还不能免费地重用这些图标,而且通常情况下网站会强烈主张你购买它们。


因而,在第14章,咱们运用条件变分自编码器、生成式对立网络(generative  adversarial  network,GAN)、RNN三种深度网络生成图标,从怎么下载、提取,并将图标处理成可运用的规范格局。




03 音乐处理


语音辨认和语音组成技能使得亚马逊Alexa和GoogleHome成为或许,但是,语音处理使命实践上是在亚马逊、Google或苹果的数据中心运转的,因而咱们还不以为这些是实在的深度学习实验。虽然Mozilla的深度语音(Deep Speech)已取得了令人瞩目的前进,树立最先进的语音辨认体系仍是非常困难的。


第15章重视的重点是音乐,咱们从练习音乐分类器模型开端,该模型可以告知咱们正在听的是什么音乐。然后,咱们运用模型成果树立本地MP3索引,运用Spotfy API树立揭露播放列表语料库,并用该库树立音乐引荐体系。


最终,该书在第16章介绍了在实践出产体系中运用模型的内容,让模型在实在的服务器或移动设备上运转。


近年,全球人工智能研讨机构、研讨院相继建立,深度学习成为人工智能的中心必备东西。关于深度学习研讨人员,特别是运用开发工程师而言,怎么脱节深度学习模型的“黑盒”窘境、怎么让深度学习模型规划愈加简练高效、怎么将深度学习快速地运用到详细的事务范畴,该书进行了详细的介绍及代码示例,在每个实例场景,作者还供给具有重要价值的实践经验提点。读者假如想要进一步了解相关内容,可以参看该书相关部分。


仔细学完本书,读者将具有或进步两种才能:一是把握深度学习的Python代码规划;二是可以自行开发深度学习详细运用。


延伸阅览《深度学习实战


引荐语:本书是一本聚集深度学习实践运用的开发攻略。作者曾是Google的软件工程师,对深度学习研讨及实践有着丰厚的堆集。本书记录了作者从实践作业中总结出来的许多开发技巧。



据统计,99%的大咖都完结了这个神操作



更多精彩


在大众号后台对话框输入以下要害词

检查更多优质内容!


PPT | 陈述 | 读书 | 书单 | 干货 

大数据 | 揭秘 | Python | 可视化

人工智能 | 机器学习 | 深度学习 | 神经网络

AI | 1024 | 段子 | 区块链 | 数学


猜你想看




Q: 深度学习都有哪些问题在困扰你?

欢迎留言与我们共享

觉得不错,请把这篇文章共享给你的朋友

转载 / 投稿请联络:baiyu@hzbook.com

更多精彩,请在后台点击“历史文章”检查

点击阅览原文,了解更多