Python 深度學習入門： 從基礎知識到實踐應用

購買商店

Python 深度學習入門： 從基礎知識到實踐應用

$594.00

馬上購買

內容描述

《Python深度學習入門： 從基礎知識到實踐應用》全面細緻地講解了深度學習的基礎知識及其應用，
具體內容包括深度學習開發環境的準備、Python的基礎知識，以及深度學習模型的使用與開發等。
書中充分結合了實例，對深度學習的概念、模型和程序語句進行了深入淺出的介紹，
尤其是重點介紹了使用遷移學習的“NyanCheck”應用程序如何識別圖像的種類，全面剖析了深度學習在實際中的應用。

目錄大綱

目錄
譯者序
原書前言
本書的讀者對象和閱讀本書所需的必要知識
本書的構成
第1 部分  Python入門篇
第0 章 開發環境的準備 001
0.1 Anaconda 的安裝 002
0.1.1 Anaconda 的安裝方法 002
0.1.2 虛擬環境的搭建 006
0.1.3 庫的安裝 008
0.1.4 Jupyter 的啟動和安裝 009
0.2 Google Colaboratory 的使用 012
0.3 macOS 中虛擬環境的搭建 013
第1 章 運算、變量和類型 017
1.1 輸出Hello world 018
1.1.1 關於Python 018
1.1.2 使用Python 輸出Hello world 018
1.2 Python 的用途 019
1.3 註釋的輸入 020
1.4 數字和字符串 021
1.5 運算 023
1.6 變量 026
1.6.1 變量的定義 026
1.6.2 變量的命名規則 026
1.7 變量的更新 030
1.8 字符串的拼接 035
1.9 類型 037
1.10 類型的轉換 040
1.11 比較運算符的轉換 043
第2 章 if 條件語句 045
2.1 if 語句 046
2.2 else 語句 049
2.3 elif 語句 051
2.4 and、not、or 054
第3 章 列表類型 057
3.1 列表類型① 058
3.2 列表類型② 060
3.3 list in list 062
3.4 列表的取值 064
3.5 列表的切片 066
3.6 列表元素的更新和添加 069
3.7 列表元素的刪除 071
3.8 列表類型的注意要點 073
第4 章 字典類型 077
4.1 什麼是字典類型 078
4.2 字典的取值 080
4.3 字典的更新和添加 082
4.4 字典元素的刪除 084
第5 章 while 語句 087
5.1 什麼是while 語句 088
5.2 while 語句的使用 090
5.3 while+if 語句的使用 092
第6 章 for 語句 095
6.1 什麼是for 語句 096
6.2 什麼是break 語句 098
6.3 什麼是continue 語句 100
6.4 for 語句中的索引表示 102
6.5 列表嵌套循環 104
6.6 字典類型的循環 106
第7 章 函數與方法 109
7.1 函數的基礎與內置函數 110
7.2 函數與方法的說明 114
7.3 字符串類型的方法 117
7.4 字符串類型的方法（format） 119
7.5 列表類型的方法（index） 121
7.6 列表類型的方法（sort） 123
7.7 定義一個函數 126
7.8 參數 128
7.9 多個參數 130
7.10 參數的默認值 132
7.11 return 134
7.12 函數的import 137
第8 章 對象和類 141
8.1 對象 142
8.2 類（成員和構造方法） 144
8.3 類（方法） 147
8.4 字符串的格式化 151
第2 部分
深度學習篇
第9 章 NumPy 與數組 155
9.1 NumPy 簡介 156
9.2 NumPy 的import 157
9.3 NumPy 與列表的比較 158
9.4 array 的創建 160
9.4.1 關於array 的創建 160
9.4.2 數組形狀的指定方法 160
9.4.3 基於數組範圍創建數組的方法 161
9.5 元素的訪問 163
9.6 np.array 的屬性 165
9.7 slice 167
9.8 數組特定元素的訪問 169
9.9 數組的運算 171
9.10 np.array 的形狀操作 173
9.11 數組的合併 177
9.12 數組的分割 179
9.13 數組的複制 180
9.14 數組的多種運算 181
9.15 廣播 186
第10 章 Pandas 與DataFrame 189
10.1 Pandas 簡介 190
10.2 DataFrame 的創建 193
10.3 DataFrame 的表示 195
10.4 統計量的表示 198
10.5 DataFrame 的排序（sort） 199
10.6 DataFrame 的篩選 201
10.7 特定條件的取值 205
10.8 列的添加 206
10.9 DataFrame 的運算 207
10.10 複雜的運算 211
10.11 DataFrame 的合併 213
10.12 分組 218
10.13 圖表的表示 220
第11 章 單層感知器 225
11.1 單層感知器簡介 226
11.1.1 什麼是單層感知器 226
11.1.2 關於單層感知器的學習 226
11.2 單層感知器的實際操作 230
11.2.1 NumPy 和Keras 的模塊導入 230
11.2.2 學習網絡定義 230
11.2.3 神經網絡的輸入和監督信號的設定 231
11.2.4 學習的設置與實行 231
11.2.5 學習權重的確認 233
11.2.6 學習的神經網絡的輸出確認 234
第12 章 深度學習入門 235
12.1 深度學習簡介 236
12.1.1 什麼是深度學習 236
12.1.2 多層感知器的學習方法 236
12.2 CrossEntropy 239
12.3 softmax 240
12.4 SGD 241
12.5 梯度消失問題 242
12.6 深度學習的應用 244
12.7 利用全連接神經網絡進行分類 246
12.8 利用全連接神經網絡進行分類（CIFAR10） 249
12.9 卷積層神經網絡簡介 253
12.9.1 深度學習中層的種類 253
12.9.2 什麼是卷積層神經網絡 253
12.9.3 卷積層神經網絡的計算方法 254
12.10 批量正則化 256
12.11 Global Average Pooling 257
12.12 Keras 267
12.12.1 什麼是Keras 267
12.12.2 Keras 的Sequence 模型與Model API 267
12.12.3 Keras 的編程實例 268
第13 章 遷移學習與NyanCheck 開發 271
13.1 遷移學習簡介 272
13.2 關於NyanCheck 273
13.3 NyanCheck 應用程序的構成 274
13.3.1 樣本NyanCheck 應用程序的構成 274
13.3.2 HTML 的模板 274
13.3.3 腳本的應用 276
13.3.4 服務器端的處理 277
13.3.5 貓種類識別的操作 281
13.4 數據的收集、整理和分類 284
13.4.1 貓種類的判別 284
13.4.2 圖像獲取的操作 286
13.5 數據的擴充及學習 294
13.5.1 模塊的import 294
13.5.2 數據的學習 294
13.5.3 模型的編譯 297
13.5.4 運行應用程序 302
13.6 關於Google Cloud Platform 305
13.7 Google Cloud Platform 的設置 306
13.8 Google Cloud SDK 的設置 314
13.9 Anaconda 的設置 318
13.10 啟動NyanCheck 323