深度学习：Keras快速开发入门

图书标准信息

• 作者 乐毅；严超
• 出版社 电子工业出版社
• 出版时间 2017-08
• 版次 1
• ISBN 9787121318689
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 页数 276页
• 字数 178千字

【内容简介】

《深度学习：Keras快速开发入门》首先介绍了深度学习相关的理论和主流的深度学习框架，对比了不同深度学习框架的优缺点，以Keras这一具有高度模块化，极简式的高层深度学习框架为切入点，从Keras的安装、配置和编译等基本环境入手，详细介绍了Keras的模型、网络结构、数据预处理方法、参数配置以及调试技巧和可视化工具。帮助读者快速掌握一款深度学习框架，从而解决工作和学习当中神经网络模型的使用问题。同时，《深度学习：Keras快速开发入门》还介绍了如何用Keras快速构建深度学习原型并着手实战。最后通过Kaggle的知识竞赛实例向读者展示Keras作为深度学习开发工具的强大之处，从而帮助读者迅速获得深度学习开发经验。
《深度学习：Keras快速开发入门》是一本实践性很强的深度学习工具书，适合希望快速学习和使用Keras深度学习框架的工程师、学者和从业者。特别适合立志从事深度学习和AI相关的行业，并且对于希望用Keras开发实际项目的工程技术人员，是非常实用的参考手册和工具书。

【作者简介】

:
乐毅：计算机专业硕士，现任职于某人工智能企业深度视觉项目，资历深度视觉架构师。负责公司利用深度学习技术在人脸识别的应用和开发，对深度学习及人脸识别技术具有浓厚兴趣。擅长Caffe、Keras和TensoFlow等深度学习框架的开发和应用。
严超：计算机专业硕士，现任职于某大型信息科技企业，不错软件工程师。负责公司深度学习，云计算等技术领域的应用研究及相关项目，对机器学习、云计算、数据深度挖掘具有浓厚兴趣。擅长Keras等深度学习框架及网络模型应用。

【目录】

第1章　Keras概述1
1.1  Keras简介1
1.1.1  Keras 21
1.1.2  Keras功能构成4
1.2  Keras特点6
1.3  主要深度学习框架8
1.3.1  Caffe8
1.3.2  Torch10
1.3.3  Keras12
1.3.4  MXNet12
1.3.5  TensorFlow13
1.3.5  CNTK14
1.3.6  Theano14
第2章　Keras的安装与配置16
2.1  Windows环境下安装Keras16
2.1.1  硬件配置16
2.1.2  Windows版本18
2.1.3  Microsoft Visual Studio版本18
2.1.4  Python环境18
2.1.5  CUDA18
2.1.6  加速库CuDNN19
2.1.7  Keras框架的安装19
2.2  Linux环境下的安装20
2.2.1  硬件配置20
2.2.2  Linux版本21
2.2.3  Ubuntu环境的设置22
2.2.4  CUDA开发环境22
2.2.5  加速库cuDNN23
2.2.6  Keras框架安装24
第3章　Keras快速上手25
3.1  基本概念25
3.2  初识Sequential模型29
3.3  一个MNIST手写数字实例30
3.3.1  MNIST数据准备30
3.3.2  建立模型31
3.3.3  训练模型32
第4章　Keras模型的定义36
4.1  Keras模型36
4.2  Sequential模型38
4.2.1  Sequential模型接口38
4.2.2  Sequential模型的数据输入48
4.2.3  模型编译49
4.2.4  模型训练50
4.3  函数式模型51
4.3.1  全连接网络52
4.3.2  函数模型接口53
4.3.3  多输入和多输出模型63
4.3.4  共享层模型67
第5章　Keras网络结构71
5.1  Keras层对象方法71
5.2  常用层72
5.2.1  Dense层72
5.2.2  Activation层74
5.2.3  Dropout层75
5.2.4  Flatten层75
5.2.5  Reshape层76
5.2.6  Permute层77
5.2.7  RepeatVector层78
5.2.8  Lambda层79
5.2.9  ActivityRegularizer层80
5.2.10  Masking层81
5.3  卷积层82
5.3.1  Conv1D层82
5.3.2  Conv2D层84
5.3.3  SeparableConv2D层87
5.3.4  Conv2DTranspose层91
5.3.5  Conv3D层94
5.3.6  Cropping1D层97
5.3.6  Cropping2D层97
5.3.7  Cropping3D层98
5.3.8  UpSampling1D层99
5.3.9  UpSampling2D层100
5.3.10  UpSampling3D层101
5.3.11  ZeroPadding1D层102
5.3.12  ZeroPadding2D层103
5.3.13  ZeroPadding3D层104
5.4  池化层105
5.4.1  MaxPooling1D层105
5.4.2  MaxPooling2D层106
5.4.3  MaxPooling3D层108
5.4.4  AveragePooling1D层109
5.4.5  AveragePooling2D层110
5.4.6  AveragePooling3D层111
5.4.7  GlobalMaxPooling1D层112
5.4.8  GlobalAveragePooling1D层113
5.4.9  GlobalMaxPooling2D层113
5.4.10  GlobalAveragePooling2D层114
5.5  局部连接层115
5.5.1  LocallyConnected1D层115
5.5.2  LocallyConnected2D层117
5.6  循环层120
5.6.1  Recurrent层120
5.6.2  SimpleRNN层124
5.6.3  GRU层126
5.6.4  LSTM层127
5.7  嵌入层129
5.8  融合层131
5.9  激活层134
5.9.1  LeakyReLU层134
5.9.2  PReLU层134
5.9.3  ELU层135
5.9.4  ThresholdedReLU层136
5.10  规范层137
5.11  噪声层139
5.11.1  GaussianNoise层139
5.11.2  GaussianDropout层139
5.12  包装器Wrapper140
5.12.1  TimeDistributed层140
5.12.2  Bidirectional层141
5.13  自定义层142
第6章　Keras数据预处理144
6.1  序列数据预处理145
6.1.1  序列数据填充145
6.1.2  提取序列跳字样本148
6.1.3  生成序列抽样概率表151
6.2  文本预处理153
6.2.1  分割句子获得单词序列153
6.2.2  OneHot序列编码器154
6.2.3  单词向量化155
6.3  图像预处理159
第7章　Keras内置网络配置167
7.1  模型性能评估模块168
7.1.1  Keras内置性能评估方法168
7.1.2  使用Keras内置性能评估170
7.1.3  自定义性能评估函数171
7.2  损失函数171
7.3  优化器函数174
7.3.1  Keras优化器使用174
7.3.2  Keras内置优化器176
7.4  激活函数180
7.4.1  添加激活函数方法180
7.4.2  Keras内置激活函数181
7.4.3  Keras高级激活函数185
7.5  初始化参数189
7.5.1  使用初始化方法189
7.5.2  Keras内置初始化方法190
7.5.3  自定义Keras初始化方法196
7.6  正则项196
7.6.1  使用正则项197
7.6.2  Keras内置正则项198
7.6.3  自定义Keras正则项198
7.7  参数约束项199
7.7.1  使用参数约束项199
7.7.2  Keras内置参数约束项200
第8章　Keras实用技巧和可视化202
8.1  Keras调试与排错202
8.1.1  Keras Callback回调函数与调试技巧202
8.1.2  备份和还原Keras模型215
8.2  Keras内置Scikit-Learn接口包装器217
8.3  Keras内置可视化工具224
第9章　Keras实战227
9.1  训练一个准确率高于90%的Cifar-10预测模型227
9.1.1  数据预处理232
9.1.2  训练233
9.2  在Keras模型中使用预训练词向量判定文本类别239
9.2.1  数据下载和实验方法240
9.2.2  数据预处理241
9.2.3  训练245
9.3  用Keras实现DCGAN生成对抗网络还原MNIST样本247
9.3.1  DCGAN网络拓扑结构250
9.3.2  训练254