| 作者 |
| [印] 纳温·库马尔·马纳西(Navin Kumar Manaswi) |
| 丛书名 |
| 智能系统与技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111622765 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书讨论使用TensorFlow和Keras等框架构建深度学习应用程序,集中于所需的模型和算法,帮助你在短时间内提高实践技能。内容涵盖了聊天机器人、自然语言处理、人脸和对象识别等主题。目标是提供创建能够执行深度学习的程序所需的概念、技术和算法实现。 |
| 目录 |
| 序 第1章 TensorFlow基础 1 1.1 张量 2 1.2 计算图与会话 2 1.3 常量、占位符与变量 4 1.4 占位符 6 1.5 创建张量 8 1.5.1 固定张量 9 1.5.2 序列张量 11 1.5.3 随机张量 11 1.6 矩阵操作 12 1.7 激活函数 13 1.7.1 双曲正切函数与Sigmoid函数 13 1.7.2 ReLU与ELU 15 1.7.3 ReLU6 15 1.8 损失函数 17 1.8.1 损失函数实例 18 1.8.2 常用的损失函数 18 1.9 优化器 19 1.9.1 优化器实例 20 1.9.2 常用的优化器 21 1.10 度量 21 1.10.1 度量实例 22 1.10.2 常用的度量 22 第2章 理解并运用Keras 25 2.1 深度学习模型构建的主要步骤 25 2.1.1 载入数据 26 2.1.2 预处理数据 27 2.1.3 定义模型 27 2.1.4 编译模型 29 2.1.5 拟合模型 29 2.1.6 评估模型 30 2.1.7 预测 30 2.1.8 保存与重载模型 31 2.1.9 可选:总结模型 31 2.2 改进Keras模型的附加步骤 32 2.3 Keras联合TensorFlow 33 第3章 多层感知机 35 3.1 人工神经网络 35 3.2 单层感知机 37 3.3 多层感知机 37 3.4 逻辑斯谛回归模型 38 第4章 TensorFlow中的回归到MLP 45 4.1 TensorFlow搭建模型的步骤 45 4.2 TensorFlow中的线性回归 46 4.3 逻辑斯谛回归模型 49 4.4 TensorFlow中的多层感知机 52 第5章 Keras中的回归到MLP 55 5.1 对数-线性模型 55 5.2 线性回归的Keras神经网络 56 5.3 逻辑斯谛回归 58 5.3.1 scikit-learn逻辑斯谛回归 58 5.3.2 逻辑斯谛回归的Keras神经网络 59 5.3.3 流行的MNIST数据:Keras中的逻辑斯谛回归 60 5.4 基于Iris数据的MLP 62 5.4.1 编写代码 62 5.4.2 构建一个序列Keras模型 63 5.5 基于MNIST数据的MLP数字分类 66 5.6 基于随机生成数据的MLP 68 第6章 卷积神经网络 71 6.1 CNN中的各种层 71 6.2 CNN结构 74 第7章 TensorFlow中的CNN 77 7.1 为什么用TensorFlow搭建CNN模型 77 7.2 基于MNIST数据集搭建图片分类器的TensorFlow代码 78 7.3 使用高级API搭建CNN模型 82 第8章 Keras中的CNN 83 8.1 在Keras中使用MNIST数据集搭建图片分类器 83 8.1.1 定义网络结构 85 8.1.2 定义模型架构 85 8.2 使用CIFAR-10数据集搭建图片分类器 86 8.2.1 定义网络结构 87 8.2.2 定义模型架构 88 8.3 预训练模型 89 第9章 RNN与LSTM 91 9.1 循环神经网络的概念 91 9.2 长短时记忆网络的概念 93 9.3 LSTM常见模式 93 9.4 序列预测 94 9.4.1 数字序列预测 94 9.4.2 序列分类 95 9.4.3 序列生成 95 9.4.4 序列到序列预测 95 9.5 利用LSTM模型处理时间序列预测问题 96 第10章 语音-文本转换及其逆过程 101 10.1 语音-文本转换 101 10.2 语音数据 102 10.3 语音特征:将语音映射为矩阵 103 10.4 声谱图:将语音映射为图像 104 10.5 利用MFCC特征构建语音识别分类器 104 10.6 利用声谱图构建语音识别分类器 105 10.7 开源方法 106 10.8 使用API的例子 107 10.8.1 使用PocketSphinx 107 10.8.2 使用Google Speech API 108 10.8.3 使用Google Cloud Speech API 108 10.8.4 使用Wit.ai API 108 10.8.5 使用Houndify API 109 10.8.6 使用IBM Speech to Text API 109 10.8.7 使用Bing Voice Recognition API 110 10.9 文本-语音转换 110 10.9.1 使用pyttsx 110 10.9.2 使用SAPI 111 10.9.3 使用SpeechLib 111 10.10 音频剪辑代码 111 10.11 认知服务提供商 112 10.11.1 Microsoft Azure 113 10.11.2 Amazon Cognitive Services 113 10.11.3 IBM Watson Services 113 10.12 语音分析的未来 113 第11章 创建聊天机器人 115 11.1 为什么是聊天机器人 116 11.2 聊天机器人的设计和功能 116 11.3 构建聊天机器人的步骤 116 11.3.1 预处理文本和消息 117 11.3.2 用API构建聊天机器人 130 11.4 聊天机器人开发的最佳实践 133 11.4.1 了解潜在用户 133 11.4.2 读入用户情感使得机器人情感更丰富 133 第12章 人脸检测与识别 135 12.1 人脸检测、人脸识别与人脸分析 135 12.2 OpenCV 136 12.2.1 特征脸 137 12.2.2 LBPH 137 12.2.3 费歇脸 138 12.3 检测人脸 139 12.4 跟踪人脸 141 12.5 人脸识别 144 12.6 基于深度学习的人脸识别 147 12.7 迁移学习 149 12.7.1 为什么要用迁移学习 150 12.7.2 迁移学习实例 150 12.7.3 计算迁移值 152 12.8 API 158 附录1 图像处理的Keras函数 161 附录2 可用的优质图像数据集 165 附录3 医学成像:DICOM文件格式 167 |