《Keras深度学习实战》内容简介

本书从实用的角度出发，全方面介绍了如何使用Keras解决深度学习中的各类问题。本书假设读者无任何关于深度学习编程的基础知识，首先介绍了Keras这一高度模块化、极简式的深度学习框架的安装、配置和编译等平台搭建知识，而后详细介绍了深度学习所要求的数据预处理等基本内容，在此基础上介绍了卷积神经网络、生成式对抗网络、递归神经网络这三种深度学习方法并给出了相关实例代码，最后本书介绍了自然语言处理、强化学习两方面的内容。本书是一本实践性很强的深度学习工具书，既适合希望快速学习和使用Keras深度学习框架的工程师、学者和从业者，又特别适合立志从事深度学习和AI相关的行业并且希望用Keras开发实际项目的工程技术人员。
拉蒂普·杜瓦（Rajdeep Dua），曼普里特·辛格·古特（Manpreet Singh Ghotra）著。

作品目录

译者序
审校者简介
前言
第1章：Keras安装
1.1、引言
1.2、在Ubuntu
16.04上安装Keras
1.3、在Docker镜像中使用Jupyter
Notebook安装Keras
1.4、在已激活GPU的Ubuntu
16.04上安装Keras
第2章：Keras数据集和模型
2.1、引言
2.2、CIFAR-10数据集
2.3、CIFAR-100数据集
2.4、MNIST数据集
2.5、从CSV文件加载数据
2.6、Keras模型入门
2.7、序贯模型
2.8、共享层模型
2.9、Keras函数API
2.10、Keras函数API——链接层
2.11、使用Keras函数API进行图像分类
第3章：数据预处理、优化和可视化
3.1、图像数据特征标准化
3.2、序列填充
3.3、模型可视化
3.4、优化
3.5、示例通用代码
3.6、随机梯度下降优化法
3.7、Adam优化算法
3.8、AdaDelta优化算法
3.9、使用RMSProp进行优化
第4章：使用不同的Keras层实现分类
4.1、引言
4.2、乳腺癌分类
4.3、垃圾信息检测分类
第5章：卷积神经网络的实现
5.1、引言
5.2、宫颈癌分类
5.3、数字识别
第6章：生成式对抗网络
6.1、引言
6.2、基本的生成式对抗网络
6.3、边界搜索生成式对抗网络
6.4、深度卷积生成式对抗网络
第7章：递归神经网络
7.1、引言
7.2、用于时间序列数据的简单RNN
7.3、时间序列数据的LSTM网络
7.4、使用LSTM进行时间序列预测
7.5、基于LSTM的等长输出序列到序列学习
第8章：使用Keras模型进行自然语言处理
8.1、引言
8.2、词嵌入
8.3、情感分析
第9章：基于Keras模型的文本摘要
9.1、引言
9.2、评论的文本摘要
第10章：强化学习
10.1、引言
10.2、使用Keras进行《CartPole》游戏
10.3、使用竞争DQN算法进行《CartPole》游戏