Python深度學習：基於TensorFlow 第2版

內容簡介

1.內容選擇?：提供全棧式的解決方案 深度學習涉及範圍比較廣，既有對基礎、原理的要求，也有對代碼實現的要求。如何在較短時間內快速提高深度學習的水平？如何儘快把所學運用到實踐中？這方面雖然沒有捷徑可言，但卻有方法可循。本書基於這些考量，希望能給你提供一站式解決方案。具體內容包括?：機器學習與深度學習的三大基石（線性代數、概率與信息論及數值分析）?；機器學習與深度學習的基本理論和原理?；機器學習與深度學習的常用開發工具（Python、TensorFlow、Keras等）?；TensorFlow的高級封裝及多個綜合性實戰項目等。 2.層次安排?：找準易撕口，快速實現由點到面的突破 我們打開塑料袋時，一般從易撕口開始，這樣即使再牢固的袋子也很容易打開。面對深度學習這個“牢固袋子”，我們也可以採用類似方法，找準易撕口。如果沒有，就創造一個易撕口，並通過這個易撕口，實現點到面的快速擴展。本書在面對很多抽象、深奧的算法時均採用了這種方法。我們知道BP算法、循環神經網絡是深度學習中的兩塊“硬骨頭”，所以我們在介紹BP算法時，先介紹單個神經如何實現BP算法這個易撕口，再延伸到一般情況?；在介紹循環神經網絡時，我們也先以一個簡單實例爲易撕口，再延伸到一般情況。希望這種方式能幫助你把難題化易，把大事化小，把不可能轉換爲可能。 3.表達形式?：讓圖說話，一張好圖勝過千言萬語 機器學習、深度學習中有很多抽象的概念、複雜的算法、深奧的理論，如NumPy的廣播機制、梯度下降對學習率敏感、神經網絡中的共享參數、動量優化法、梯度消失或爆炸等，這些內容如果只用文字來描述，可能很難達到讓人茅塞頓開的效果，但如果用一些圖來展現，再加上適當的文字說明，往往能取得非常好的效果，正所謂一張好圖勝過千言萬語。 除了以上談到的三個方面，爲了幫助大家更好地理解，更快地掌握機器學習、深度學習這些人工智能的核心內容，本書還包含了其他方法，相信閱讀本書的讀者都能體會到。我們希望通過這些方法或方式帶給你不一樣的理解和體驗，使你感到抽象數學不抽象、深度學習不深奧、複雜算法不復雜、難學的深度學習也易學，這也是我們寫這本書的主要目的。 至於人工智能（AI）的重要性，想必就不用多說了。如果說2016年前屬於擺事實論證階段，那麼2016年後已進入事實勝於雄辯階段了，而2018年後應該擼起袖子加油幹了。目前各行各業都忙於AI+，給人“忽如一夜春風來，千樹萬樹梨花開”的感覺！

讀者書評

書籍信息