我用夸克网盘分享了「神经网络与深度学习实战：Python+Keras+TensorFlow.epub」，点击链接即可保存。打开「夸克APP」在线查看，支持多种文档格式转换。

内容简介

本书通过理论与项目实践相结合的方式引领读者进入人工智能技术的大门。书中首先从人工智能技术的数学基础讲起，然后重点剖析神经网络的运行流程，最后以大量的实际项目编码实践方式帮助读者扎实地掌握人工智能开发所需要的基本理论知识和核心开发技术。 本书共15章，涵盖的内容有神经网络初体验；深度学习的微积分基础；深度学习的线性代数基础；神经网络的理论基础；用Python从零实现识别手写数字的神经网络；神经网络项目实践；使用神经网络实现机器视觉识别；用深度学习实现自然语言处理；自动编解码网络和生成型对抗性网络；增强性学习网络的开发实践；TensorFlow入门；使用TensorFlow和Keras开发高级自然语言处理系统；使用TensorFlow和Keras实现高级图像识别处理系统；使用 TensorFlow和Keras打造智能推荐系统；深度学习重要概念和技巧总结。 本书尽可能通过细致的讲解降低读者入门人工智能编程的门槛。书中案例丰富，内容非常实用，特别适合有志于投身人工智能领域的IT专业人士或学生阅读。阅读本书需要读者具有一定的数学基础。

作者简介

陈屹，海南康康饼网络科技有限公司CEO。毕业于数学专业，拥有十几年的软件开发经验。曾经任职于联想、微软和Realnetworks等国内外知名公司，从事客户端及服务端开发工作。熟练掌握C++、Java、Python等开发语言，擅长算法逻辑和架构设计。目前致力于对人工智能技术的研究。

网友热评

38.39页的错误有点多嗷

图书目录

第1章神经网络初体验1 1.1开发环境的安装1 1.2快速构建一个识别手写数字图片的神经网络2 第2章深度学习中的微积分基础8 2.1实数中的无理数8 2.2什么叫极限10 2.3函数的连续性12 2.4函数求导13 2.5导数的一般法则15 2.6间套函数的链式求导法则17 2.7多变量函数与偏导数19 2.8导数与极值19 2.9使用导数寻求函数的最小值21 第3章深度学习的线性代数基础25 3.1常量与向量26 3.2矩阵及相关操作26 3.3tensor——多维向量28 3.4向量范数30 第4章神经网络的理论基础31 4.1详解神经网络中的神经元激活函数31 4.2使用矩阵运算驱动神经网络数据加工链38 4.3通过反向传播算法回传误差改进链路权重42 4.4使用矩阵和梯度下降法实现神经网络的迭代训练45 4.5手算梯度下降法，详解神经网络迭代训练过程53 第5章用Python从零实现识别手写数字的神经网络58 5.1基本框架的搭建58 5.2实现网络的迭代训练功能62 5.3网络训练，识别手写数字图片64 第6章神经网络项目实践70 6.1使用神经网络分析电影评论的正能量和负能量70 6.2使用神经网络实现新闻话题分类78 6.3使用神经网络预测房价中位数83 第7章使用神经网络实现机器视觉识别90 7.1卷积神经网络入门90 7.2从零开始构造一个识别猫、狗图片的卷积网络93 7.3使用预先训练的卷积网络实现图像快速识别101 7.4视觉化神经网络的学习过程105 7.5揭秘卷积网络的底层原理109 第8章用深度学习实现自然语言处理124 8.1WordEmbedding单词向量化124 8.2概率论的一些重要概念130 8.3skip-gram单词向量化算法的数学原理136 8.4使用预先训练好的单词向量实现新闻摘要分类140 8.5RNN——具有记忆功能的神经网络143 8.6LSTM网络层详解及其应用145 8.7使用RNN和CNN混合的“鸡尾酒疗法”提升网络运行效率148 第9章自动编解码网络和生成型对抗性网络150 9.1自动编解码器网络的原理与实现150 9.2去噪型编解码网络154 9.3使用自动编解码网络实现黑白图片上色157 9.4生成型对抗性网络162 9.5生成型对抗性网络的代码实现163 9.6条件性生成型对抗性网络169 第10章增强性学习网络开发实践176 10.1增强性学习网络的基本原理176 10.2开发环境配置177 10.3增强性学习网络的数学原理179 10.4Bellman函数和最优化180 10.5Bellman等式的推导181 10.6用实例讲解Bellman函数的应用182 10.7解决冰冻湖问题185 10.8ε贪婪算法188 10.9运用神经网络和Bellman函数解决Cartpole问题188 第11章TensorFlow入门193 11.1TensorFlow图运算原理193 11.2TensorFlow代码实践195 11.3TensorFlow的输入、变量、输出及运算操作197 11.4TensorFlow的变量定义200 11.5TensorFlow的运算输出及运算操作201 11.6用TensorFlow开发神经网络的相关操作204 11.7开发TensorFlow程序应注意的事项207 11.8使用TensorFlow开发神经网络213 第12章使用TensorFlow和Keras开发高级自然语言处理系统218 12.1Skip-Gram算法实现218 12.2使用RNN网络模型的基本原理230 12.3代码实现RNN网络232 12.4LSTM网络的结构原理242 12.5使用LSTM网络实现人机问答系统247 第13章使用TensorFlow和Keras实现高级图像识别处理系统256 13.1实现艺术风格的转换256 13.2使用胶囊网络实现服装识别266 13.3使用TensorFlowAPI实现精准物体识别285 13.4DeeDream：使用神经网络构造具有惊悚审美效果的艺术作品293 第14章使用TensorFlow和Keras打造智能推荐系统300 14.1创造一个网易云音乐推荐引擎300 14.2使用TensorFlow构建高质量商品推荐系统309 14.3实现淘宝“拍立淘”图片搜索引擎313 第15章深度学习的重要概念和技巧总结319