《深度学习全书 公式 推导 代码 TensorFlow全程案》读书笔记思维导图

架构
3
3-3 张量运算
4
3-4 自动微分
5
3-5 神经网络 层
4-1 撰写第一个神 经网络程序
4-2 Keras模型种类
4-3 神经层 4-4 激活函数
4-5 损失函数 4-6 优化器
4-7 效果衡量指标 4-8 超参数调校
5-1 特征转换
5-2 模型存盘与加 载
5-3 模型汇总与结 构图
5-4 回调函数
内容简介
第一篇 深度学习导论
第1章 深度学 习导论
第2章 神经网 络原理
1
1-1 人工智能 的三波浪潮
2
1-2 AI的学习 地图
3
1-3 机器学习 应用领域
4
1-4 机器学习 开发流程
5
1-5 开发环境 安装
2-1 必备的数学与 统计知识
2-2 线性代数
2-3 微积分 2-4 概率与统计
2-6 普通最小二乘 法与最大似然估计
06
15-6 动态 规划
05
15-5 Gym 扩充功能
15-7 值循环 15-8 蒙特卡洛
15-9 时序差分 15-10 其他算法
15-12 木棒小车
15-11 井字游戏
15-13 总结
谢谢观看
3
7-3 采用部分 模型
4
7-4 转移学习
5 7-5 Batch
Normalizat. ..
第三篇 进阶的影像应用
第9章 进阶的影像 应用
第8章 目标检测
第10章 生成对抗 网络
01
8-1 图像 辨识模型的 发展
02
8-2 滑动 窗口
03
8-3 方向 梯度直方图
04
8-4 RCNN目标检 测
05
5-6 模型部署与 TensorFlow ...
5-5 TensorBoard
5-7 TensorFlow Datas...
6-1 卷积神经网络 简介
6-2 卷积
6-3 各式卷积 6-4 池化层
6-6 影像数据增补
6-5 CNN模型实践
6-7 可解释的AI
1
7-1 预先训练 的模型简介
2
7-2 采用完整 的模型
最新版读书笔记，下载可以直接修改
《深度学习全书 公式 推 导 代码 TensorFlow全
程案》
思维导图PPT模板
本书关键字分析思维导图
算法
应用
实践
基础
自然语言处理
效果
梯度
第章
神经网络
深度 影像
案例
模型
线性
语音
架构
层
功能
目标
01 内容简介
目录
02 第一篇 深度学习导论
03
第 二 篇 Te n s o r F l o w 基础篇
02
11-2 词汇 前置处理
03
11-3 词向 量
04
11-4 GloVe模型
06
11-6 spaCy库
05
11-5 中文 处理
01
12-1 循环 神经网络
02
12-2 长短 期记忆网络
03
12-3 LSTM重要 参数与多层 LSTM
04
12-4 Gate Recurren t ...
06
12-6 注意 力机制
03
9-3 语义 分割实践
04
9-4 实例 分割
06
9-6 脸部 辨识
05
9-5 风格 转换——人 人都可以是 毕加索
9-8 车牌辨识
9-7 光学文字辨识
9-9 卷积神经网络 的缺点
01
10-1 生成 对抗网络介 绍
02
10-2 生成 对抗网络种 类
03
10-3 DCGAN
04
10-4 Progress ive GAN
法
2-5 线性规划
2-7 神经网络求解
第二篇 TensorFlow基础篇
第3章
1
TensorFlow
架构与主要
功...
2
第4章 神经网 络实践
3 第5章
TensorFlow 其他常用指令
4
第6章 卷积神 经网络
5
第7章 预先训 练的模型
1
3-1 常用的深 度学习框架
3-2
2
TensorFlow
04
第三篇 进阶的影像应 用
05 第四篇 自然语言处理
06 第五篇 强化学习
《深度学习全书——公式+推导+代码+TensorFlow全程案例》共有15章，分为5部分，第一篇说明深度学习 的概念，包括数理基础，特点是结合编程解题，加深读者印象，第二篇说明TensorFlow的学习地图，从张量、自 动微分、梯度下降乃至神经层的实践，逐步解构神经网络，第三篇介绍CNN算法、影像应用、转移学习等，第四 篇则进入自然语言处理及语音识别的领域，介绍RNN/BERT/Transformer算法、相关应用等，最后，介绍了强化 学习的基础知识，包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法，当然，还有相关案例实践。
01
14-1 语音 基本认识
02
14-2 语音 前置处理
03
14-3 语音 相关的深度 学习应用
04
14-4 自动 语音识别
06
14-6 总结
05
14-5 自动 语音识别实 践
Hale Waihona Puke 第五篇 强化学习01
15-1 强化 学习的基础
02
15-2 强化 学习模型
03
15-3 简单 的强化学习 架构
04
15-4 Gym 库
8-5 RCNN改良
06
8-6 YOLO 算法简介
8-7 YOLO环境配置
8-8 以TensorFlow 实践YOL...
8-9 YOLO模型训练 8-10 SSD算法
8-12 目标检测的 效果衡量指标
8-11 TensorFlow Obje...
8-13 总结
01
9-1 语义 分割介绍
02
9-2 自动 编码器
05
12-5 股价 预测
12-7 Transformer 架构
12-8 BERT
12-9 Transformers库
12-10 总结
01
13-1 ChatBot类 别
02
13-2 ChatBot设 计
03
13-3 ChatBot实 践
04
13-4 ChatBot工 具框架
06
13-6 总结
05
13-5 Dialogfl ow实践
06
10-6 Pix2Pix
05
10-5 Conditio nal GAN
10-8 GAN挑战
10-7 CycleGAN
10-9 深度伪造
第四篇 自然语言处理
第11章 自然语言处 理的介绍
第12章 自然语言处 理的算法
第13章 聊天机器人 第14章 语音识别
01
11-1 词袋 与TF-IDF