书名：Keras快速上手：基于Python的深度学习实战pdf/doc/txt格式电子书下载

推荐语：俞栋、张察博士亲笔作序力荐，谷歌、微软、Twitter、Facebook、Airbnb等公司多位资深数据科学家倾情力荐

作者：谢梁,鲁颖,劳虹岚

出版社：电子工业出版社

出版时间：2017-07-01

书籍编号：30457825

ISBN：9787121318726

正文语种：中文

字数：155107

版次：1

所属分类：互联网+-人工智能

版权信息

书名：Keras快速上手：基于Python的深度学习实战

作者：谢梁　鲁颖　劳虹岚

ISBN：9787121318726

版权所有 · 侵权必究

推荐语

数据挖掘与深度学习毫无疑问是大数据时代最炙手可热的研究方向。在很多前沿领域，深度学习的出现和发展正在颠覆人类对于传统计算机技术的认知。

非常有幸成为本书的首批读者，得到多位来自微软、谷歌的世界顶尖数据科学家在深度学习领域的宝贵经验分享。本书从实践角度出发，内容丰富，利用Keras框架讲解深度学习话题，包含了几乎全部常用的深度学习模块，并且全面、系统地介绍深度学习相关的技术，使其不再只停留于高度抽象的数学理论，具有高度的可操作性和实用性，是目前国内为数不多的中文深度学习原著之一，堪称深度学习领域的一本力作。

在此，要向深度学习领域的研究人员、算法工程师、数据爱好者强烈推荐本书，无论是初学者还是资深研究者，相信都将会从本书中获得新的收获。最后，如果有什么还需要特别强调的，那就是请深度学习这本《Keras快速上手：基于Python的深度学习实战》！

亢昊辰，滨海国金所大数据中心主管

这本书自上而下地涵盖了深度学习几个最重要的方面，从软件、硬件的设置到数据的采集，从深度学习理论的介绍到实际案例的分析。整本书非常实用，讲解深入浅出，也非常高效，对于对深度学习感兴趣的读者是一本难得的好书！

周仁生，Airbnb资深数据科学家

很久没有潜心研读一本专业书籍了。这次有机会读到这本关于深度学习的新作让我受益匪浅。深度学习近年来发展迅猛，关于这个热门课题的学习书籍和网上课程举不胜举。但是作为一个从事数据科学工作多年的统计人员，我很难找到一本深度学习的入门教程或指导书籍让我在短时间能做到理论和实践相结合。然而本书针对不同专业背景的读者，通过通俗易懂的实践和应用入手，最终把读者带到一个自己可以实战的深度学习场景。值得一提的是，对比多数关于数据科学和深度学习的书籍，这本书里的Python代码完整，注释详尽，而且章节之间的逻辑关系严谨。希望读者能像我一样，在有限的时间内，通过这本书能够系统掌握深度学习相关的理论和实战技术，在数据科学领域继续进阶。

刘松，Google数据科学专家

深度学习和人工智能可谓是目前最火的话题之一，可是很多人感到入门太难。该书一改市面上很多深度学习书籍过于理论化的特点，突出实用性和可操作性，让读者能很快了解当前深度学习的成熟应用领域，并通过学习代码将解决方案移植到自己的应用环境中，是一本少有的深入浅出介绍深度学习模型及其应用的好书。该书介绍的Keras深度学习框架提供了一个高度抽象的描述神经网络的环境，其计算后台可以在常用的CNTK、Theano和TensorFlow三个环境中自由切换，特别适合快速搭建可用于生产环境的深度学习模型。

罗勃，The University of Kansas，Associate Professor of ECS

这是一本少见的深入浅出介绍深度学习的入门书籍。该书理论和实践相结合，介绍了当前深度学习应用的几个主要框架和应用方向，实用性强，内容紧凑。基于Keras这个高度抽象的深度学习环境，全书强调快速构造深度学习模型和应用于实际业务，因此特别适合深度学习实践者和入门者学习，是一本必不可少的参考书。

郭彦东，微软研究院研究员

这是一部应用性很强的数据挖掘和深度学习入门书籍，内容涵盖了目前深度学习的研究应用发展最为快速的几大领域，介绍了自学架构——深度学习框架，以及解决实际问题的完整流程。作者均为在深度学习领域具有多年工作经验的数据科学家，本书详细介绍并客观评价了目前最为流行的几大前沿开源深度学习框架的实例及优缺点。本书理论体系完整，可读性强，内容言简意赅，文字深入浅出，实例极具代表性，对于诉求在较短时间内对数据挖掘和深度学习产生较为完整的理论认知并迅速投入应用实践的读者，是一本必备的教科书。

宋爽，Twitter资深机器学习研发工程师

这是一本深度学习方面的非常实用的好书。这本书没有只拘泥于深度学习的一些理论和概念，而是通过一些例子来实现深度学习的具体应用。不论是对硬件、软件系统的搭建，还是对网络爬虫、自然语言、图像识别等重要领域的具体阐述，整本书都在详细讲述怎样将深度学习应用到各个领域。可以说，本书不仅让读者对深度学习的方法有具体了解，更重要的是在亲手教会读者利用深度学习解决很多实际的问题。

整本书的写作方式简洁明了，对问题的解释翔实而又不拖沓，可以看出是来自微软、谷歌的几位非常有知识的作者的经验之作。每一位希望学习和了解深度学习的读者，特别是希望能够将深度学习应用到具体问题的人，都可以从书中得到巨大的收获。

书中有很多实际例子和可以运行的代码，请读者一边阅读，一边尝试，相信这本书可以给读者带来事半功倍的效果。

张健，Facebook资深数据科学家

深度学习和人工智能无疑是现在最热门的技术之一，很多人希望能掌握这方面的技能，但是担心门槛太高。这本书可谓是及时雨，给大家提供了非常好的入门学习资料，也是目前国内仅有的几本介绍Keras这个简单易用的深度学习框架的书。其内容不仅涵盖了当前深度学习的几个主要应用领域，而且实用性强，同时也延伸到相关的系统搭建、数据获取以及可预见的未来物联网方面的应用，非常值得一读。

陈绍林，小雨点网络贷款有限公司副总经理兼首席分析官

序一

在最近的几年里，深度学习无疑是一个发展最快的机器学习子领域。在许多机器学习竞赛中，最后胜出的系统或多或少都使用了深度学习技术。2016年，基于深度学习、强化学习和蒙特卡洛树搜索的围棋程序AlphaGo甚至战胜了人类冠军。人工智能的这一胜利比预想的要早了10年，而其中起关键作用的就是深度学习。

深度学习已经广泛应用于我们的生活中，比如市场上可以见到的语音转写、智能音箱、语言翻译、图像识别和图像艺术化系统等，其中深度学习都是关键技术。同时，由于学术界和工业界的大量投入，深度学习的新模型和新算法层出不穷，要充分掌握深度学习的各种模型和算法并实现它们无疑是一件困难的事情。

幸运的是，基于各行各业对深度学习技术的需求，许多公司和学校开源了深度学习工具包，其中大家比较熟悉的有CNTK、TensorFlow、Theano、Caffe、mxNet和Torch。这些工具包都提供了非常灵活而强大的建模能力，极大地降低了使用深度学习技术的门槛，进一步加速了深度学习技术的研究和应用。但是，这些工具包各有所长、接口不同，而且对于很多初学者这些工具包过于灵活，难以掌握。

由于这些原因，Keras应运而生。Keras可以被看作一个更易于使用、在更高层次上进行抽象、兼具兼容性和灵活性的深度学习框架，它的底层可以在CNTK、TensorFlow和Theano中自由切换。Keras的出现使很多初学者可以很快地体验深度学习的一些基本技术和模型，并且将这些技术和模型应用到实际问题中。

本书也正是在这样的背景下产生的。它的目标读者正是那些刚刚进入深度学习领域、还没有太多经验的学生和工程师。本书的作者谢梁、鲁颖和劳虹岚分别在微软和谷歌这样的走在深度学习前沿的公司里做大数据和深度学习技术的研发，积累了很多把商业和工程问题转化成合适的模型并分析模型好坏以及解释模型结果的经验。在这本书里，他们把这些经验传授给大家，使更多的人能够快速掌握深度学习，并有效应用到商业和工程实践中。

这本书比较系统地讲解了深度学习的基本知识、建模过程和应用，并以深度学习在推荐系统、图像识别、自然语言处理、文字生成和时间序列的具体应用作为案例，详细介绍了从工具准备、数据获取和处理到针对问题进行建模的整个过程和实践经验，是一本非常好的深度学习入门书。

俞栋博士

腾讯AI Lab副主任，杰出科学家

西雅图人工智能研究室负责人

2017年6月22日于美国西雅图

序二

随着大数据的普及以及硬件计算能力的飞速提升，深度学习在过去的5~6年有了日新月异的发展。在一个又一个领域，深度学习展示了极其强大甚至连人类都难以企及的能力，这包括语音识别、机器翻译、自然语言识别、推荐系统、人脸识别、图像识别、目标检测、三维重建、情感分析、棋类运动、德州扑克、自动驾驶等。伴随着人工智能广阔的应用前景，科技巨擎诸如谷歌、微软、亚马逊、百度、腾讯、阿里巴巴等纷纷投入巨资，从而进一步推动了这个领域的进步。如今，已经很少有人还对人工智能能达到的高度有任何怀疑态度，取而代之的是对人类如何与机器共存的畅想和机器终有一天取代人类的担忧。

当然，如果我们现在就开始担心机器将毁灭人类，那么还是有一些杞人忧天。深度学习现在还只停留在感知（Perception）的阶段，即从原始数据进行简单的感觉和分析，但是远没有达到认知（Cognition）的阶段，即对事件进行逻辑推理和认识。深度学习的很多原理，还处在研究阶段。即使是各领域的专家，对于深度学习为什么如此有效，依然是一知半解。幸运的是，在解决很多实际问题时，其实并不需要我们那么深刻理解它。谢梁、鲁颖和劳红岚的这本书，就是从非常实用的角度来分享深度学习的一些基本知识，值得一读。

这本书从如何准备深度学习的环境开始，手把手地教读者如何采集数据，如何运用一些最常用，也是目前为止被认为最有效的一些深度学习算法来解决实际问题。覆盖的领域包括推荐系统、图像识别、自然语言情感分析、文字生成、时间序列、智能物联网等。不同于许多同类的书籍，这本书选择了Keras作为编程软件，强调简单、快速的模型设计，而不去纠缠底层代码，使得内容相当易于理解。读者可以在CNTK、TensorFlow和Theano的后台之间随意切换，非常灵活。即使你有朝一日需要用更低层的建模环境来解决更复杂的问题，相信也会保留从Keras中学来的高度抽象的角度审视你要解决的问题，让你事半功倍。

这一波深度学习的大潮，必将带来一个新的信息革命。每一次如此巨大的变革，都将淘汰很多效率低下的工作，并发展出新兴的职业。在一个如此激动人心的年代，愿这本书带着读者启航！

张察博士

CNTK主要作者之一，美国微软总部首席研究员

2017年6月于美国西雅图

前言

2006年，机器学习领域迎来了重要的转折点。加拿大多伦多大学教授、机器学习领域泰斗Geoffrey Hinton和他的学生Ruslan Salakhutdinov在《科学》上发表了一篇关于深度置信网络（Deep Belief Networks）的论文。从这篇论文的发表开始至今，深度学习有着迅猛的发展。2009年，微软研究院语音识别专家俞栋和邓力博士与深度学习专家Geoffery Hinton合作。2010年，美国国防部DARPA和斯坦福大学、纽约大学和NEC美国研究院合作深度学习项目。2011年微软宣布基于深度神经网络的识别系统取得成果并推出产品，彻底改变了语音识别原有的技术框架。从2012到2015年，深度学习技术在图像识别领域取得惊人的效果，在ImageNet评测上将错误率从26%一路降到5%以下，几乎接近甚至超过人类的水平。这些都直接促进了一系列围绕深度学习技术的智能产品在市场上的出现，比如微软的认知服务（Cognitive Services）平台，谷歌的智能邮件应答和谷歌助手等。

在中国，我们同样欣喜地看到，基于大数据的机器学习和深度学习算法的大规模应用给互联网行业带来的巨大变革：淘宝的推荐算法、微软的小冰聊天机器人、百度的度秘、滴滴的预估时间和车费、饿了么的智能调度等都应运而生。我们有理由相信，未来的物联网、无人驾驶等也会挖掘出更多深度学习的实用场景。

深度学习对很多科技行业的从业者来说仍有一些神秘感。虽然像谷歌、微软等互联网巨头开源了诸如TensorFlow、CNTK等深度学习平台，大幅降低了从业者的门槛，但是如何举一反三，根据实际问题选择合适的算法和模型，并不容易。作为本书的作者，我们三位在美国谷歌、微软等顶尖互联网科技公司从事多年以机器学习和深度学习为基础的人工智能项目研发，有着丰富的实践经验，深感有必要撰写一本深入浅出的深度学习书籍，分享我们对深度学习的理解和想法，并帮助同行和感兴趣的朋友们快速上手，建立属于自己的端到端的深度学习模型，从而在大数据、深度学习的浪潮中有着更好的职业发展

....