Грант Бейлевельд , Джон Крон , Аглаэ Бассенс - Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту
Название: | Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту | |
Автор: | Грант Бейлевельд , Джон Крон , Аглаэ Бассенс | |
Жанр: | Искусственный интеллект | |
Изадано в серии: | Библиотека программиста | |
Издательство: | Питер | |
Год издания: | 2020 | |
ISBN: | 978-5-4461-1574-7 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту"
Глубокое обучение стало мощным двигателем для работы с искусственным интеллектом. Яркие иллюстрации и простые примеры кода избавят вас от необходимости вникать в сложные аспекты конструирования моделей глубокого обучения, делая сложные задачи доступными и увлекательными. Джон Крон, Грант Бейлевельд и замечательный иллюстратор Аглаэ Бассенс используют яркие примеры и аналогии, которые позволяют объяснить, что такое глубокое обучение, почему оно пользуется такой популярностью и как эта концепция связана с другими подходами к машинному обучению. Книга идеально подойдет разработчикам, специалистам по обработке данных, исследователям, аналитикам и начинающим программистам, которые хотят применять глубокое обучение в своей работе. Теоретические выкладки прекрасно дополняются прикладным кодом на Python в блокнотах Jupyter. Вы узнаете приемы создания эффективных моделей в TensorFlow и Keras, а также познакомитесь с PyTorch. Базовые знания о глубоком обучении позволят создавать реальные приложения — от компьютерного зрения и обработки естественного языка до генерации изображений и игровых алгоритмов. 16+
Читаем онлайн "Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту". [Страница - 3]
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (164) »
Подготовка......................................................................................................................................106
Установка.........................................................................................................................................107
Неглубокая сеть в Keras..............................................................................................................108
Коллекция изображений рукописных цифр MNIST................................................108
Схема сети.................................................................................................................................109
Загрузка данных.....................................................................................................................111
Переформатирование данных............................................................................................113
Проектирование архитектуры нейронной сети...........................................................115
Обучение модели глубокого обучения...........................................................................115
Итоги.................................................................................................................................................116
Глава 6. Искусственные нейроны, определяющие хот-доги................................ 117
Введение в биологическую нейроанатомию........................................................................117
Перцептрон.....................................................................................................................................118
Детектор хот-догов................................................................................................................119
Самое важное уравнение в этой книге............................................................................122
Современные нейроны и функции активации...................................................................124
Нейроны sigmoid....................................................................................................................125
Нейрон типа tanh...................................................................................................................127
ReLU: Rectified Linear Unit................................................................................................128
Выбор типа нейронов..................................................................................................................129
Итоги.................................................................................................................................................130
8
ОГЛАВЛЕНИЕ
Глава 7. Искусственные нейронные сети........................................................... 132
Входной слой..................................................................................................................................132
Полносвязанный слой.................................................................................................................133
Полносвязанная сеть, определяющая хот-доги..................................................................134
Прямое распространение через первый скрытый слой............................................135
Прямое распространение через последующие слои..................................................137
Слой softmax для сети классификации фастфуда.............................................................139
Повторный обзор неглубокой сети.........................................................................................142
Итоги.................................................................................................................................................144
Глава 8. Обучение глубоких сетей.................................................................... 145
Функции стоимости.....................................................................................................................145
Квадратичная функция стоимости..................................................................................146
Насыщенные нейроны..........................................................................................................147
Перекрестная энтропия.......................................................................................................148
Оптимизация: обучение методом минимизации стоимости..........................................150
Градиентный спуск................................................................................................................150
Скорость обучения ...............................................................................................................152
Размер пакета и стохастический градиентный спуск................................................154
Как избежать ловушки локального минимума............................................................158
Обратное распространение........................................................................................................160
Настройка числа скрытых слоев и нейронов......................................................................161
Сеть промежуточной глубины на основе Keras..................................................................163
Итоги.................................................................................................................................................166
Глава 9. Совершенствование глубоких сетей..................................................... 168
Инициализация весов..................................................................................................................168
Распределения Ксавье Глоро.............................................................................................172
Нестабильность градиентов......................................................................................................175
Исчезающие градиенты.......................................................................................................175
Взрывные градиенты............................................................................................................176
Пакетная нормализация......................................................................................................176
Обобщающая способность модели (предотвращение --">
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (164) »
Книги схожие с «Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту» по жанру, серии, автору или названию:
Мартин Форд - Архитекторы интеллекта Жанр: Современные российские издания Год издания: 2019 Серия: Библиотека программиста |
Эндрю Траск - Грокаем глубокое обучение. Жанр: Искусственный интеллект Год издания: 2019 Серия: Библиотека программиста |
С. Николенко, А. Кадурин, Е. Архангельская - Глубокое обучение Жанр: Искусственный интеллект Год издания: 2018 Серия: Библиотека программиста |
Лаура Грессер, Ван Лун Кенг - Глубокое обучение с подкреплением. Теория и практика на языке Python Жанр: Python Год издания: 2022 Серия: Библиотека программиста |
Другие книги из серии «Библиотека программиста»:
Стивен Холзнер - XSLT Жанр: Программирование: прочее Год издания: 2002 Серия: Библиотека программиста |
Гэбриел Гамбетта - Компьютерная графика. Рейтрейсинг и растеризация. Жанр: Программирование графики Год издания: 2022 Серия: Библиотека программиста |
Владстон Феррейра Фило, Пиктет Мото - Теоретический минимум по Computer Science Жанр: Околокомпьютерная литература Год издания: 2022 Серия: Библиотека программиста |
Франсуа Шолле - Глубокое обучение на Python Жанр: Python Год издания: 2023 Серия: Библиотека программиста |