Сет Вейдман - Глубокое обучение: легкая разработка проектов на Python
Название: | Глубокое обучение: легкая разработка проектов на Python | |
Автор: | Сет Вейдман | |
Жанр: | Искусственный интеллект, Python | |
Изадано в серии: | Бестселлеры o’reilly | |
Издательство: | Питер | |
Год издания: | 2021 | |
ISBN: | 978-5-4461-1675-1 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Глубокое обучение: легкая разработка проектов на Python"
Взрывной интерес к нейронным сетям и искусственному интеллекту затронул уже все об- ласти жизни, и понимание принципов глубокого обучения необходимо каждому разработчику ПО для решения прикладных задач. Эта практическая книга представляет собой вводный курс для всех, кто занимается обработкой данных, а также для разработчиков ПО. Вы начнете с ос- нов глубокого обучения и быстро перейдете к более сложным архитектурам, создавая проекты с нуля. Вы научитесь использовать многослойные, сверточные и рекуррентные нейронные сети. Только понимая принцип их работы (от «математики» до концепций), вы сделаете свои проекты успешными. В этой книге: xx Четкие схемы, помогающие разобраться в нейросетях, и примеры рабочего кода. xx Методы реализации многослойных сетей с нуля на базе простой объектно-ориентированной структуры. xx Примеры и доступные объяснения сверточных и рекуррентных нейронных сетей. xx Реализация концепций нейросетей с помощью популярного фреймворка PyTorch. 16+
Читаем онлайн "Глубокое обучение: легкая разработка проектов на Python". [Страница - 2]
- 1
- 2
- 3
- 4
- . . .
- последняя (86) »
Заключение..................................................................................................58
Глава 2. Основы глубокого обучения................................................................59
Обучение с учителем....................................................................................60
Алгоритмы обучения с учителем...................................................................62
6
Оглавление
Линейная регрессия.....................................................................................63
Обучение модели.........................................................................................69
Оценка точности модели..............................................................................73
Код...............................................................................................................74
Основы нейронных сетей..............................................................................79
Обучение и оценка нейронной сети..............................................................86
Заключение..................................................................................................90
Глава 3. Основы глубокого обучения................................................................91
Определение глубокого обучения: первый проход.......................................91
Строительные блоки нейросети: операции...................................................93
Строительные блоки нейросети: слои...........................................................97
Блочное строительство............................................................................... 100
Класс NeuralNetwork и, возможно, другие................................................... 107
Глубокое обучение с чистого листа............................................................ 111
Trainer и Optimizer...................................................................................... 115
Собираем все вместе.................................................................................. 119
Заключение и следующие шаги.................................................................. 122
Глава 4. Расширения...................................................................................... 123
Немного о понимании нейронных сетей...................................................... 124
Многопеременная логистическая функция активации с перекрестноэнтропийными потерями............................................................................. 126
Эксперименты............................................................................................ 135
Импульс..................................................................................................... 138
Скорость обучения..................................................................................... 142
Инициализация весов................................................................................. 145
Исключение, или дропаут........................................................................... 149
Заключение................................................................................................ 153
Глава 5. Сверточная нейронная сеть.............................................................. 155
Нейронные сети и обучение представлениям............................................. 155
Слои свертки.............................................................................................. 160
Оглавление 7
Реализация операции многоканальной свертки.......................................... 167
Свертка: обратный проход......................................................................... 171
Использование операции для обучения CNN.............................................. 184
Заключение................................................................................................ 188
Глава 6. Рекуррентные нейронные сети......................................................... 190
Ключевое ограничение: работа с ветвлениями........................................... 191
Автоматическое дифференцирование......................................................... 194
Актуальность рекуррентных нейронных сетей............................................ 199
Введение в рекуррентные нейронные сети................................................. 201
RNN: код.................................................................................................... 209
Заключение................................................................................................ 230
Глава 7. Библиотека PyTorch.......................................................................... 231
Класс PyTorch Tensor................................................................................... 231
Глубокое обучение с PyTorch...................................................................... 233
Сверточные нейронные сети в PyTorch....................................................... 242
P. S. Обучение без учителя через автокодировщик..................................... 251
Заключение................................................................................................ 261
Приложение A. Глубокое погружение........................................................... 262
Цепное правило......................................................................................... 262
Градиент потерь с учетом смещения.......................................................... 266
Свертка с помощью умножения матриц...................................................... 266
Об авторе................................................................................................... 272
Об обложке............................................................................................... 272
Предисловие
Если вы уже пытались узнать что-то о нейронных сетях и глубоком обу
чении, то, скорее всего, столкнулись с изобилием ресурсов, от блогов до
массовых открытых онлайн-курсов различного качества и даже книг.
У меня было именно так, когда я начал изучать эту тему несколько лет
назад. Однако если вы читаете --">
- 1
- 2
- 3
- 4
- . . .
- последняя (86) »
Книги схожие с «Глубокое обучение: легкая разработка проектов на Python» по жанру, серии, автору или названию:
Ноа Гифт - Прагматичный ИИ. Машинное обучение и облачные технологии Жанр: Искусственный интеллект Год издания: 2019 Серия: Для профессионалов |
Фил Уиндер - Обучение с подкреплением для реальных задач Жанр: Искусственный интеллект Год издания: 2023 Серия: Бестселлеры o’reilly |
Анирад Коул, Сиддха Ганджу, Мехер Казам - Искусственный интеллект и компьютерное зрение. Реальные проекты на Python, Keras и TensorFlow Жанр: Искусственный интеллект Год издания: 2023 Серия: Бестселлеры o’reilly |
Брайан Мессенленер, Джейсон Коулман - Разработка веб-приложений на WordPress Жанр: Интернет Год издания: 2021 Серия: Бестселлеры o’reilly |
Другие книги из серии «Бестселлеры o’reilly»:
Джон Боднер - Go: идиомы и паттерны проектирования Жанр: Go (golang) Год издания: 2022 Серия: Бестселлеры o’reilly |
Питер Макинтайр, Кевин Татро - Создаем динамические веб-сайты на PHP Жанр: PHP Год издания: 2021 Серия: Бестселлеры o’reilly |
Робин Никсон - Создаем динамические веб-сайты с помощью PHP, MySQL, JavaScript, CSS и HTML5 Жанр: PHP Год издания: 2023 Серия: Бестселлеры o’reilly |
Кайл Симпсон - Асинхронная обработка и оптимизация Жанр: Java, Java Script Год издания: 2019 Серия: Бестселлеры o’reilly |