深度學習必學的十個問題:理論與實踐
本書兼顧了數學上的理解和代碼實踐,內容主要包括基礎知識和深度學習模型。第1章介紹深度學習的簡潔發展思路和表示學習機制;第2章、第3章介紹神經網絡的基于梯度的優化方法、神經網絡的優化難點以及相應的解決方法;第4章討論神經網絡遇到的過擬合問題;第5章分析神經網絡的最小組成部分:神經元;第6章討論三種方案解決深層網絡的訓練難題:批標準化、SELU、ResNet;第7章、第8章講述了兩種重要的神經網絡模型:卷積神經網絡和循環神經網絡;第9章討論了對于神經網絡的無監督學習方式;第10章詳細討論以變分自編碼器和對抗生成網絡為代表的概率生成網絡。本書適合對于深度學習感興趣的大學生、工程師閱讀參考。閱讀本書需要具備基礎的Python編程技術和基本的數學知識。
·5.1萬字