python深度学习pdf_Python深度学习

Python深度学习由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱(Franc.ois Chollet)执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用

编辑推荐

适读人群 ：大数据及机器学习领域对深度学习感兴趣的各类读者。

《Python深度学习》由Keras之父、现任Google人工智能研究员的Franc.ois Chollet执笔，详尽展示了用Python、Keras、TensorFlow进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。在学习完本书后，读者将了解深度学习、机器学习和神经网络的关键概念，具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力，学会解决现实世界中的深度学习问题。除此之外，本书还深刻剖析了当前的"人工智能热"，从理性的视角展望了深度学习在未来的可能性。

30多个代码示例，带你全面掌握如何用深度学习解决实际问题

Keras框架速成的明智之选

夯实深度学习基础，在实践中培养对深度神经网络的良好直觉

无须机器学习经验和高等数学背景

"本书在当前的'人工智能热'和深度学习的本来面目之间架起了一座桥梁。"--Peter Rabinovitch，云平台Akamai高级性能工程师

"本书是助你进阶为Keras及深度学习高手的秘笈。"--Claudio Rodriguez，IT服务公司Candid Partners高级DevOps工程师

"本书是我为华盛顿大学设计的一门深度学习课程所选的教材，非常实用。能够直接得到Keras之父的建议真是一桩幸事。"--美亚用户Eric Nichols

作者简介

弗朗索瓦·肖莱(Franc.ois Chollet)，

Keras之父，TensorFlow机器学习框架贡献者，Kaggle竞赛教练，个人Kaggle竞赛全球排名曾获得第 17名。目前任职于Google，从事人工智能研究，尤其关注计算机视觉与机器学习在形式推理方面的应用。

译者：张亮(hysic)，

毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师，译有《Python数据处理》《Python机器学习基础教程》等。

学习路线图

本书分为两部分。如果你之前没有关于机器学习的经验，我强烈建议你先读完第一部分，然后再阅读第二部分。我们会从简单示例讲起，然后再依次介绍越来越先进的技术。

第一部分是对深度学习的介绍，给出了一些背景和定义，还解释了上手机器学习和神经网络需要掌握的所有概念。

第1章介绍人工智能、机器学习和深度学习的重要背景知识。

第2章介绍从事深度学习必须了解的基本概念：张量、张量运算、梯度下降和反向传播。

这一章还给出了本书第一个可用的神经网络示例。

第3章包括上手神经网络所需要了解的全部内容：Keras简介，它是我们的首选深度学习框架；建立自己的工作站的指南；三个基本代码示例以及详细解释。读完这一章，你将能够训练简单的神经网络来处理分类任务和回归任务，你还将充分了解训练过程背后发生的事情。

第4章介绍标准的机器学习工作流程。你还会了解常见的陷阱及其解决方案。

第二部分将深入介绍深度学习在计算机视觉和自然语言处理中的实际应用。这一部分给出了许多示例，对于在现实世界的实践中遇到的深度学习问题，你可以用这些示例作为解决问题的模板。

第5章介绍了一系列实用的计算机视觉示例，重点放在图像分类。口第6章介绍了处理序列数据(比如文本和时间序列)的实用技术。

第7章介绍了构建最先进深度学习模型的高级技术。

第8章介绍了生成式模型，即能够创造图像和文本的深度学习模型，它有时会产生令人惊讶的艺术效果。

第9章将帮你巩固在本书学到的知识，还会探讨深度学习的局限性及其未来的可能性。

深度学习已经取得的进展

虽然深度学习是机器学习一个相当有年头的分支领域，但在21世纪前十年才崛起。在随后的几年里，它在实践中取得了革命性进展，在视觉和听觉等感知问题上取得了令人瞩目的成果，而这些问题所涉及的技术，在人类看来是非常自然、非常直观的，但长期以来却一直是机器难以解决的。

特别要强调的是，深度学习已经取得了以下突破，它们都是机器学习历史上非常困难的领域：

接近人类水平的图像分类

接近人类水平的语音识别

接近人类水平的手写文字转录

更好的机器翻译

更好的文本到语音转换

数字助理，比如谷歌即时(Google Now)和亚马逊Alexa口接近人类水平的自动驾驶

更好的广告定向投放，Google、百度、必应都在使用口更好的网络搜索结果

能够回答用自然语言提出的问题

在围棋上战胜人类

我们仍然在探索深度学习能力的边界。我们已经开始将其应用于机器感知和自然语言理解之外的各种问题，比如形式推理。如果能够成功的话，这可能预示着深度学习将能够协助人类进行科学研究、软件开发等活动。