当前位置:
首页 > 互联网+ > 人工智能 > 深度学习实战pdf/doc/txt格式电子书下载

深度学习实战pdf/doc/txt格式电子书下载

本站仅展示书籍部分内容

如有任何咨询

请加微信10090337咨询

深度学习实战pdf/doc/txt格式电子书下载

书名:深度学习实战pdf/doc/txt格式电子书下载

推荐语:英国曼彻斯特大学博士系统论述深度学习的基本理论算法及应用展望深度学习的前沿方向

作者:杨云,杜飞,闫秀华校

出版社:清华大学出版社

出版时间:2018-01-01

书籍编号:30407303

ISBN:9787302491026

正文语种:中文

字数:157985

版次:1

所属分类:互联网+-人工智能

全书内容:

深度学习实战pdf/doc/txt格式电子书下载






内容简介

深度学习为人工智能带来了巨大突破,也成为机器学习领域一颗闪耀的新星。虽然相关学习资料丰富,但大部分内容较为庞杂且难以理解,并对初学者的相关理论知识与实践能力有较高的要求,这使得大部分想进入这一领域的初学者望而却步。本书去繁化简地对深度学习的理论知识进行了梳理,并对算法实现做出了浅显易懂的讲解,适合初学者进行学习。结合本书的内容,读者可以快速对深度学习进行实践。通过启发式的自学模式,可以使读者由浅入深地学习并掌握常用的深度学习模型,为进一步使用开源的深度学习平台与工具提供理论与实践基础。


本书可作为高等院校计算机专业的本科生或研究生教材,也可供对深度学习感兴趣的研究人员和工程技术人员阅读参考。

前言

随着谷歌的AlphaGo,IBM的watson以及百度的智能机器人百小度的问世,人工智能成为了大众热烈讨论的焦点,而作为这些智能产品的核心技术,深度学习受到了学界与产业界的广泛关注。深度学习凭借其优良的性能,被广泛应用于计算机视觉、图像分析、语音识别和自然语言处理等诸多领域中。但深度学习的算法与模型较为复杂,对于初学者来说较难理解与掌握,需要其有一定的理论与实践应用基础。本书作者通过把理论知识与大量实践例子相结合,运用易懂与诙谐的语言为初学者呈现了一部指导深度学习实战的首选之作。本书的面向对象为计算机及相关专业的本科生、研究生,以及相关领域的初级研究人员。与同类著作不同的是本书更强调读者的亲身实践,分为模块设计与代码实践两部分,当读者学习完模块设计部分的理论知识后,还可以在实践代码的关键位置添加自己的代码,并测试实现的深度学习模型的每一个关键环节,以此进一步理解与掌握所学的算法与模型。


本书共分为8章,第1章为深度学习的发展介绍,其他7章对深度学习的理论知识和应用进行了深入浅出的讲解,分别为第2章机器学习快速入门,第3章前馈神经网络,第4章深度学习正则化,第5章深度学习优化,第6章卷积神经网络,第7章循环神经网络,第8章TensorFlow快速入门。每一个章节在其结尾部分都会提出深度学习算法与模型的实践学习,按照作者的设计步骤,读者可以逐步完成代码的编写,并对其进行测试,最终完成整个算法与模型代码的实践。本书不同于传统理论介绍+代码演示书籍之处在于,理论知识与实践学习部分可以分开阅读,其每一章节的实践学习部分更加强调与读者的互动性。本书还精心设计了许多子模块,给予大量的编程提示,并引导读者通过自学的方式完成各个子模块的实现,进而强化读者对不同模块编码实现的学习与理解,在每章末尾都会给出相应的参考代码。


本书的作者特别感谢相关科研项目与人才计划的支持,其中包括:国家自然科学基金项目(61402397,61663046),云南省科技厅应用基础研究计划面上项目(2016FB104),云南省软件工程重点实验室开放基金面上项目(2015SE201),云南大学数据驱动的软件工程省科技创新团队(2017HC012),云南省中青年学术和技术带头人后备人才计划(2017HB005),云南省百名海外高层次人才引进计划。


深度学习相关研究领域的发展日新月异,本书作者自认才疏学浅,只略知其中一二,书中内容的设计与撰写是作者对深度学习的个人认识与理解,由于水平有限,如有不妥之处请广大读者不吝赐教。


本书免费提供了云盘下载文件,内容包括书中所有综合案例的素材文件,下载地址为:https://pan.baidu.com/s/1nvacrYL(注意区分英文字母大小写),如果下载有问题,请发送电子邮件至booksaga@126.com,邮件主题设置为“深度学习实战”。


杨云


2017年8月29日于云南大学

第1章 深度学习的发展介绍

一日清晨,朝阳未热,少年小飞未醒,接到了一个陌生的电话,电话中念到“双眸剪秋水,一手弹春风,歌尽琵琶怨,醉来入梦中。”这首诗如何?电话中是一位声音甜美,自称小鱼的女生,听到这,昏沉朦胧的少年,突然振作了,既疑惑又激动,思考一会儿,紧张又兴奋地说道“虽然我不懂诗,但感觉剪和弹用得非常妙呀。请问我认识你吗?”“哎呀,不好意思,我打错电话啦,我还以为你是我闺蜜”,电话那头娇羞地答到。机智如小飞,肯定不会错过这美丽的错误,然后就立即回道……以上故事,是我将图灵在1950年《机器与智能》中关于“模仿游戏”[1]的一段改编,而上述诗句是来自于中科院院士张钹展示的机器人所做的诗。


随着现代技术的进步,特别是深度学习(Deep Learning)[2]的发展,完成上述任务并不再是天方夜谭。我们不妨和图灵一起思考,如果机器能够完成上述的问答,那小飞怎么去判断是人或者是机器呢?那所谓的意识又是什么呢?带着这些令人头痛但又激动的思考,我们现在就开始深度学习的入门之旅。


在一百多年前,可编程计算机第一次被构想出时,人们就想象着机器是否可以变得智能。如今,人工智能已是一个欣欣向荣的领域,拥有着许多实际应用及激动人心的研究主题。我们期望智能软件能够应用到自动化家居、语音识别、图像理解、医疗诊断及辅助基本科学的研究中去。


人与计算机就像天平的两端,机器善于计算,只要问题能被一系列数学规则形式化描述出来,人们就可以编写程序让机器执行。比如求解线性方程组,计算行星轨迹等,虽然这些任务很复杂,但对于机器而言却很简单。但有些问题虽然看似简单,但人却难以描述,比如人如何识别口语,文字或脸部图像。由于人难以描述这些本能就会的任务,虽然人处理很简单,但对于机器而言却难于上青天。而人工智能的目标就是去解决人容易执行,但很难形式化描述的任务。


在早期的人工智能中,我们想要机器智能地完成某项任务,我们首先需要使用形式化语言,硬编码关于该任务的知识;然后计算机通过这些形式化语言,自动使用逻辑推理规则去推理状态。但其中根本问题在于,我们要知道如何解决某项问题。比如,我们想教机器人下棋,我们知道确定的规则,也知道某些下棋的技巧,然后我们将各种规则、各种技巧通过编程实现出来,那么机器就学会了下棋。机器棋艺的高低,其实只是编程人员棋艺的高低,机器只是比人类运算快一些罢了。但有些事情,我们是很难描述清楚的,我喜欢一朵花,一首诗,一个人,但问我为什么喜欢,我却不知道。同样地,你想让机器去赏析一首诗,一朵花,一个人,那也是很难完成的任务。


深度学习便是这些更直觉问题的一种解决方案。这种解决方案允许电脑从经验中学习并依靠层次化概念去理解世界。通过从经验中收集知识,这种方法避免了人类手工地去形式化列举电脑所需的知识,层次化概念允许电脑从更简单的概念中学习更抽象的概念。也许现在你已经有点晕眩了,那我们就先轻松地讲一个故事吧。


认识小鱼同学后,为了博取小鱼同学的欢心,小飞就想亲手做一道黄焖鸡给小鱼。于是他就翻看了一下食谱,开始了“实验”:首先,准备各种食材;然后,将各种配菜预炒,再放入鸡块爆炒;爆炒入味后再放入一碗水,用锅盖焖10分钟,最终黄焖鸡就出锅了。小飞尝了尝亲手做的黄焖鸡,如你所想,才将鸡块入口,就吐了出来,因为实在太难吃了。但小飞并没有灰心,总结了一下,少放了点水,多加了点盐,再多炒了会儿鸡块,鼓起勇气一尝。好咸啊!虽然又失败了,但总体还是挺开心的,因为至少可以吃了。一鼓作气,再次总结,再次实验,忐忑地再次试尝,总算有了黄焖鸡该有的味儿了。起锅打包,小飞开心地去找小鱼同学去了……


从以上的故事中,我们发现了什么?发现小飞买了很多鸡肉,我们知道了,小飞一开始不会做黄焖鸡,但通过不断尝试,是可以做好黄焖鸡的。在此期间,小飞做了什么事呢?其实只是在调整,放多少水,放多少盐,煮多久,炒多久等,而这个过程就是一个简单的学习行为。同理,在机器学习中,我们并不是将做黄焖鸡的整个过程,每个细节都编程给机器,相反,我们把小飞的学习过程,复制给机器。做一次黄焖鸡,我们可以将其称为一个数据,而放水,放盐,煮多久,我们可以称为数据的特征(Feature),对于学习最朴素的理解其实就是调整数据特征各自的重要性。


我们再仔细剖析一下上面的故事,有一个过程叫作食材准备阶段,我们可以简单地将该阶段作为“黄焖鸡”数据的一个特征,当然,我们也可以将这一特征再细分一下,多少姜、多少辣椒配多少鸡块呢?而酱油的多少和水的多少又如何调配呢?那这些又如何影响爆炒和黄焖的时间呢?数据的特征直接影响着学习的难度及最终结果的好坏。如果我们先学习油盐酱醋的调配,将其组成配料特征,这样就简化了整个学习过程,而这种特征到特征的学习,我们就称为表征学习或表示学习(Representation Learning[3],“表征”是一个心理学词汇,翻译成表征更贴切些,但“表示”更常用些)。如果我们将做黄焖鸡的过程,细分得非常细致,也就是特征维度(数量)很高,那么每一维度对最终学习任务好坏的影响就越小,如香菇的量对黄焖鸡的好坏影响很小,我们很难通过调整香菇的量,去调整黄焖鸡的做法,而香菇特征也相互影响着其他特征的选择。因此我们先学习配菜这一简单的概念或特征,然后再学习一些更抽象的概念,一层一层的抽象,最终仅仅去学习“选材”“黄焖”这些特别抽象的特征,这就是所谓的深度学习。


1.1 如何阅读本书


本书是一本有关深度学习的入门实战教程,目的在于尽可能以一种轻松的方式,讲解一些深度学习核心的技术,关键的思想,以及常用的技巧方法。需要注意的是,深度学习充斥着大量的数学公式,大多数人可能会望而生畏,看着公式就头痛欲裂。但数学只是工具,数学公式只是简化我们的描述,我们更应该做的是深入理解这些公式背后的哲学内涵。本书同样会列出很多的公式,但请读者们不要在意所谓的公式,应该多去看一些文字性描述,理顺公式的每一次演变,公式是帮助你快速的记忆,并不是你的负担。也许,对于大多数读者,看懂各种算法,了解各种思想,但编写程序还是无从下手,本书将使用IPython Notebook进行模块化编程练习,我们会一步一步地动手实践,希望能帮助你从理论走向实践,并从实践中加深对理论知识的进一步理解。


深度学习能够火爆的最主要原因是大数据的到来,以及运算能力的大大提高,针对GPU编程的Theano,TensorFlow,Torch等深度学习库,都是非常好的学习资源,如果你想从事深度学习研究,则应该至少掌握一种以上的深度学习库。但本书的目的在于让你不那么头痛欲裂地跨入深度学习领域,本书并不是一本深度学习平台指导用书。在本书的最后一章,我们会教你如何搭建TensorFlow深度学习库,帮助你铺垫更广阔的知识世界。我们希望能给你一个小板凳,然后你可以站上去,希望你拥有瞭望远方的喜悦,希望你能享受在微风中的呼吸。因此,如果你有些惧怕数学公式或编程能力相对较弱,这些都没关系。最重要的是你憧憬着深度学习,相信集体的力量,渴望着人工智能,同时也不太在意一些稍显不严谨的语言,那或许这是一本属于你的书。需要注意的是,本书作为入门书籍,只会重点介绍深度学习在实际应用中的技术及方法,深度学习的一些高级研究主题,如自动编码器(Autoencoder)[4],受限玻尔兹曼机(RBM)[5]等非监督学习研究主题并不涉及。但这些主题是深度学习的研究重点,对于有志从事深度学习研究的专业人员而言,这些主题才是更广阔的世界。


每章我们都会分为两个部分,第一部分介绍该章节的深度学习技术,第二部分进行编程练习,在每章的末尾,我们给出了参考代码,希望在你想要放弃时给你点帮助。本书的知识内容主要参考于Ian Goodfellow,Yoshua Bengio,Aaron Courville所著的Deep Learning以及斯坦福大学的CS231公开课,你也可以将本书作为学习这些书的铺垫。

1.2 深度学习沉浮史


喜欢一个人,就应该去了解她的过去,感受她的曾经。想要学习深度学习,不妨也粗略地了解下它的过去,下面我们列出了一些深度学习的关键趋势。


深度学习拥有悠久的历史,曾经几度“改嫁”,反映着不同的哲学观点,并且流行度也是几度兴衰。


深度学习随着可训练数据的不断增长变得更加有用。


随着计算机硬件,软件基础设施的提高,深度学习模

....

本站仅展示书籍部分内容

如有任何咨询

请加微信10090337咨询

本站仅展示书籍部分内容
如有任何咨询

请加微信10090337咨询

再显示