Python 深度学习 第2版 中文目录

pip install pypdf2==2.12.1

从PDF中提取目录 pdf_read_list.py

# -*- coding: utf-8 -*-
import os
import sys
from PyPDF2 import PdfReader as pdf_read

#每个书签的索引格式
#{'/Title': '书签名', '/Page': '指向的目标页数', '/Type': '类型'}

directory_str = ''
def bookmark_listhandler(list):
    global directory_str
    for message in list:
        if isinstance(message, dict):
            title = message['/Title']
            if title.startswith("Chapter") or title.startswith("第"):
                directory_str += '\n' + title + '\n'
            else:
                directory_str += '  ' + title + '\n'
        else:
            bookmark_listhandler(message)

# main()
if len(sys.argv) ==2:
    file1 = sys.argv[1]
else:
    print('usage: python pdf_read_list.py pdf_file')
    sys.exit(1)

if not os.path.exists(file1):
    print(f"{file1} is not exists.")
    sys.exit(2)    

fn,ext = os.path.splitext(file1)
if ext.lower() != '.pdf':
    print("Please specify a valid pdf file")
    sys.exit(3)
  
with open(file1, 'rb') as f:
    pdf = pdf_read(f)
    #检索文档中存在的文本大纲,返回的对象是一个嵌套的列表
    text_outline_list = pdf.getOutlines()
    bookmark_listhandler(text_outline_list)

file2 = fn + '.txt'
with open(file2, 'w', encoding='utf-8') as f:
    f.write(directory_str)

然后用【百度翻译】软件

Python Deep Learning 2nd Edition 中文目录

封面
标题页
版权和署名
贡献者
目录
前言

第一章：机器学习-导论
机器学习导论
不同的机器学习方法
监督学习
线性和逻辑回归
支持向量机
决策树
朴素贝叶斯
无监督学习
聚类
强化学习
增强学习
ML解决方案的组成部分
神经网络
PyTorch简介
小结

第2章：神经网络
对神经网络的需求
神经网络导论
神经元导论
图层介绍
多层神经网络
不同类型的激活功能
将其与一个示例放在一起
训练神经网络
线性回归
逻辑回归
反向传播
XOR函数的神经网络代码示例
小结

第三章：深度学习基础
深度学习导论
深度学习的基本概念
特征学习
深度学习算法
深度网络
当代深度学习简史
训练深层网络
深度学习的应用
深度学习流行的原因
介绍流行的开源库
TensorFlow公司
Keras
PyTorch公司
使用Keras对手写数字进行分类
使用Keras对物体图像进行分类
小结

第4章：卷积网络的计算机视觉
CNN的直觉和理由
卷积层
卷积运算的一个编码例子
卷积层中的跨步和填充
1D、2D和3D卷积
1x1卷积
卷积层中的反向传播
深度学习库中的卷积层
汇集层
卷积网络的结构
用卷积网络对手写数字进行分类
提高细胞神经网络的性能
数据预处理
规则化
重量衰减
辍学者
数据扩充
批量规范化
美国有线电视新闻网与Keras和CIFAR-10的一个例子
小结

第五章：高级计算机视觉
迁移学习
PyTorch的迁移学习示例
高级网络架构
VGG公司
带有Keras、PyTorch和TensorFlow的VGG
剩余网络
盗梦网络
盗梦空间v1
盗梦空间v2和v3
Inception v4和Inception ResNet
Xception和移动网络
密集型网络
胶囊网络
卷积网络的局限性
胶囊
动态路由
胶囊网络结构
高级计算机视觉任务
物体检测
物体检测方法
使用YOLOv3进行对象检测
带有OpenCV的YOLOv3代码示例
语义分割
艺术风格转移
小结

第6章：使用GANs和VAE生成图像
生成模型的直观性和合理性
可变自动编码器
使用VAE生成新的MNIST数字
生成对抗性网络
训练GAN
训练鉴别器
培训发电机
把它们放在一起
GANs的类型
直流发电机
DCGAN中的发电机
条件GAN
使用GANs和Keras生成新的MNIST图像
小结

第7章：递归神经网络和语言模型
递归神经网络
RNN实施和培训
穿越时间的反向传播
消失和爆炸渐变
长短期记忆
门控经常性单位
语言建模
基于Word的模型
N克
神经语言模型
神经概率语言模型
word2vec
可视化单词嵌入向量
用于生成新文本的基于字符的模型
预处理和读取数据
LSTM网络
训练
取样
示例培训
序列到序列学习
一个接一个，注意
语音识别
语音识别管道
语音作为输入数据
预处理
声学模型
递归神经网络
CTC公司
正在解码
端到端模型
小结

第八章强化学习理论
RL范式
RL和其他ML方法之间的差异
RL算法的类型
RL代理的类型
RL作为马尔可夫决策过程
贝尔曼方程
最优策略和价值函数
用动态规划寻找最优策略
策略评估
策略评估示例
策略改进
策略和价值迭代
蒙特卡罗方法
策略评估
探索启动策略改进
Epsilon贪婪策略改进
时差法
策略评估
Sarsa控制
Q学习控制
双Q学习
值函数近似
Sarsa的值逼近与Q学习
提高Q学习的性能
固定目标Q网络
体验回放
行动中的Q学习
小结

第九章：游戏深度强化学习
遗传算法游戏介绍
深度Q学习
用深度Q学习玩雅达利突围
策略梯度方法
具有增强的蒙特卡罗策略梯度
行动者-批评者的策略梯度
有优势的演员评论家
玩A2C推车杆
基于模型的方法
蒙特卡罗树搜索
使用AlphaZero玩棋盘游戏
小结

第10章：自动驾驶汽车中的深度学习
AV研究简史
AV简介
AV系统的组件
传感器
深度学习和传感器
车辆本地化
规划
模仿驾驶策略
PyTorch的行为克隆
ChaufferNet的驾驶策略
模型输入和输出
模型架构
训练
云中的DL
小结
你可以欣赏的其他书籍
索引