Spark 深度学习指南
| 作者 |
| Ahmed Sherif（艾哈迈德·谢里夫）, Amrith Ravindra（阿姆里斯·拉文德拉） |
| 丛书名 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121378829 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书开头部分讲了如何按照深度学习的需求来配置Apache Spark，以实现不同类型的神经网络，接下来讲述了在分布式环境中实现深度学习涉及的常见和不那么常见的需求。另外，你还将学到Spark中的深度学习代码，这些代码可以复用到其他类似的问题中，或者稍作改动用于略有不同的问题。将带你一起用Spark对数据进行分流和聚类用TensorFlow、deeplearning4j和 Caffe在Spark中实现和部署深度学习模型，例如CNN、RNN和 LSTM。学完本书的内容，你将能够在Spark上训练和部署有效的深度学习模型。 |
| 目录 |
1 为深度学习开发设置Spark\t1 介绍\t1 下载Ubuntu桌面映像\t2 在macOS中使用VMWare Fusion安装和配置Ubuntu\t3 在Windows中使用Oracle VirtualBox安装和配置Ubuntu\t8 为谷歌云平台安装和配置Ubuntu桌面端\t11 在Ubuntu桌面端安装和配置Spark\t23 集成Jupyter Notebook与Spark\t29 启动和配置Spark集群\t33 停止Spark集群\t34 2 在Spark中创建神经网络\t36 介绍\t36 在PySpark中创建数据帧\t37 在PySpark数据帧中操作列\t41 将PySpark数据帧转换为数组\t42 在散点图中将数组可视化\t46 设置输入神经网络的权重和偏差\t49 规范化神经网络的输入数据\t52 验证数组以获得最佳的神经网络性能\t55 使用sigmoid设置激活函数\t57 创建sigmoid导数\t60 计算神经网络中的代价函数\t62 根据身高值和体重值预测性别\t66 预测分数并进行可视化\t69 3 卷积神经网络的难点\t72 介绍\t72 难点1：导入MNIST图像\t73 难点2：可视化MNIST图像\t77 难点3：将MNIST图像导出为文件\t80 难点4：增加MNIST图像\t82 难点5：利用备用资源训练图像\t86 难点6：为卷积神经网络优先考虑高级库\t88 4 循环神经网络的难点\t94 介绍\t94 前馈网络简介\t95 循环神经网络的顺序工作\t103 难点1：梯度消失问题\t108 难点2：梯度爆炸问题\t111 长短期记忆单元的顺序工作\t114 5 用Spark机器学习预测消防部门呼叫\t119 介绍\t119 下载旧金山消防局呼叫数据集\t119 识别逻辑回归模型的目标变量\t123 为逻辑回归模型准备特征变量\t130 应用逻辑回归模型\t137 评估逻辑回归模型的准确度\t142 6 在生成网络中使用LSTM\t145 介绍\t145 下载将用作输入文本的小说/书籍\t145 准备和清理数据\t151 标记句子\t156 训练和保存LSTM模型\t158 使用模型生成类似的文本\t163 7 使用TF-IDF进行自然语言处理\t171 介绍\t171 下载治疗机器人会话文本数据集\t172 分析治疗机器人会话数据集\t176 数据集单词计数可视化\t178 计算文本的情感分析\t180 从文本中删除停用词\t184 训练TF-IDF模型\t188 评估TF-IDF模型性能\t192 比较模型性能和基线分数\t194 8 使用XGBoost进行房地产价值预测\t196 下载金斯县房屋销售数据集\t196 执行探索性分析和可视化\t199 绘制价格与其他特征之间的相关性\t210 预测房价\t223 9 使用长短期记忆单元预测苹果公司股票市场价格\t229 下载苹果公司的股票市场数据\t229 探索和可视化苹果公司的股票市场数据\t233 准备用于提升模型性能的股票市场数据\t238 构建长短期记忆单元模型\t246 评估长短期记忆单元模型\t249 10 使用深度卷积网络进行人脸识别\t252 介绍\t252 下载MIT-CBCL数据集并将其加载到内存中\t252 绘制并可视化中的图像\t257 图像预处理\t262 模型构建、训练和分析\t269 11 使用Word2Vec创建和可视化单词向量\t277 介绍\t277 获取数据\t277 导入必要的库\t281 准备数据\t284 构建和训练模型\t288 进一步可视化\t293 进一步分析\t300 12 使用Keras创建电影推荐引擎\t304 介绍\t304 下载MovieLens数据集\t305 操作和合并MovieLens数据集\t312 探索MovieLens数据集\t318 为深度学习流水线准备数据集\t322 应用Keras深度学习模型\t327 评估推荐引擎的准确度\t331 13 使用TensorFlow在Spark中进行图像分类\t333 介绍\t333 下载梅西和罗纳尔多各30张图像\t334 使用深度学习包安装PySpark\t339 将图像加载到PySpark数据帧\t341 理解迁移学习\t344 创建用于图像分类训练的流水线\t346 评估模型性能\t348 微调模型参数\t350 |
有问题微信扫码联系