深度學習:基於案例理解深度神經網絡

[瑞士] 翁貝托·米凱盧奇(Umberto Michelucci) 著

買這商品的人也買了...

相關主題

商品描述

本書探討深度學習中的高級主題,例如優化算法、超參數調整、Dropout和誤差分析,並討論如何解決在訓練深度神經網絡時遇到的典型問題。書中首先介紹單一神經元網絡的激活函數(ReLu、sigmoid和Swish),然後介紹如何使用TensorFlow進行線性和邏輯回歸,以及如何選擇正確的代價函數,之後討論具有多個層和神經元的更復雜的神經網絡結構,並探討權重的隨機初始化問題。本書用一整章對神經網絡誤差分析進行全面概述,給出如何解決來自不同分佈的方差、偏差、過擬合和數據集問題的例子。

本書還討論在不使用任何Python庫(NumPy除外)的情況下,如何從零開始完全實現邏輯回歸,以便用諸如TensorFlow這樣的庫進行快速和有效的實驗。本書包括每種方法的案例研究,以便將所有理論信息付諸實踐。你還將學到Python代碼的優化技巧(例如,使用NumPy對循環進行向量化)。

通過閱讀本書,你將學到:
• 利用Python和TensorFlow以正確的方式實現高級技術
• 調試和優化高級方法(如Dropout和正則化)
• 進行誤差分析(以確定是否存在偏差問題、方差問題、數據偏移問題等)
• 創建專註於利用復雜數據集進行深度學習的機器學習項目