python人工智能项目实战 桑塔努·帕塔纳亚克 pdf_Python人工智能项目实战
译者序
前言
作者简介
审校者简介
第1章 人工智能系统基础知识1
1.1 神经网络2
1.2 神经激活单元5
1.2.1 线性激活单元5
1.2.2 sigmoid激活单元6
1.2.3 双曲正切激活函数6
1.2.4 修正线性单元7
1.2.5 softmax激活单元9
1.3 用反向传播算法训练神经网络9
1.4 卷积神经网络12
1.5 循环神经网络13
1.6 生成对抗网络16
1.7 强化学习18
1.7.1 Q学习19
1.7.2 深度Q学习20
1.8 迁移学习21
1.9 受限玻尔兹曼机22
1.10 自编码器23
1.11 总结24
第2章 迁移学习26
2.1 技术要求26
2.2 迁移学习简介27
2.3 迁移学习和糖尿病视网膜病变检测28
2.4 糖尿病视网膜病变数据集29
2.5 定义损失函数30
2.6 考虑类别不平衡问题31
2.7 预处理图像32
2.8 使用仿射变换生成额外数据33
2.8.1 旋转34
2.8.2 平移34
2.8.3 缩放35
2.8.4 反射35
2.8.5 通过仿射变换生成额外的图像36
2.9 网络架构36
2.9.1 VGG16迁移学习网络38
2.9.2 InceptionV3迁移学习网络39
2.9.3 ResNet50迁移学习网络39
2.10 优化器和初始学习率40
2.11 交叉验证40
2.12 基于验证对数损失的模型检查点40
2.13 训练过程的Python实现41
2.14 类别分类结果50
2.15 在测试期间进行推断50
2.16 使用回归而非类别分类52
2.17 使用keras sequential工具类生成器53
2.18 总结57
第3章 神经机器翻译58
3.1 技术要求59
3.2 基于规则的机器翻译59
3.2.1 分析阶段59
3.2.2 词汇转换阶段60
3.2.3 生成阶段60
3.3 统计机器学习系统60
3.3.1 语言模型61
3.3.2 翻译模型63
3.4 神经机器翻译65
3.4.1 编码器–解码器模型65
3.4.2 使用编码器–解码器模型进行推断66
3.5 实现序列到序列的神经机器翻译67
3.5.1 处理输入数据67
3.5.2 定义神经翻译机器的模型71
3.5.3 神经翻译机器的损失函数73
3.5.4 训练模型73
3.5.5 构建推断模型74
3.5.6 单词向量嵌入78
3.5.7 嵌入层79
3.5.8 实现基于嵌入的NMT79
3.6 总结84
第4章 基于GAN的时尚风格迁移85
4.1 技术要求85
4.2 DiscoGAN86
4.3 CycleGAN88
4.4 学习从手绘轮廓生成自然手提包89
4.5 预处理图像89
4.6 DiscoGAN的生成器91
4.7 DiscoGAN的判别器93
4.8 构建网络和定义损失函数94
4.9 构建训练过程97
4.10 GAN训练中的重要参数值99
4.11 启动训练100
4.12 监督生成器和判别器的损失101
4.13 DiscoGAN生成的样例图像103
4.14 总结104
第5章 视频字幕应用105
5.1 技术要求105
5.2 视频字幕中的CNN和LSTM106
5.3 基于序列到序列的视频字幕系统107
5.4 视频字幕系统数据集109
5.5 处理视频图像以创建CNN特征110
5.6 处理视频的带标签字幕113
5.7 构建训练集和测试集114
5.8 构建模型115
5.8.1 定义模型的变量116
5.8.2 编码阶段117
5.8.3 解码阶段117
5.8.4 计算小批量损失118
5.9 为字幕创建单词词汇表118
5.10 训练模型119
5.11 训练结果123
5.12 对未见过的视频进行推断124
5.12.1 推断函数126
5.12.2 评估结果127
5.13 总结128
第6章 智能推荐系统129
6.1 技术要求129
6.2 什么是推荐系统129
6.3 基于潜在因子分解的推荐系统131
6.4 深度学习与潜在因子协同过滤132
6.5 SVD++136
6.6 基于受限玻尔兹曼机的推荐系统138
6.7 对比分歧139
6.8 使用RBM进行协同过滤140
6.9 使用RBM实现协同过滤142
6.9.1 预处理输入143
6.9.2 构建RBM网络进行协作过滤144
6.9.3 训练RBM 147
6.10 使用训练好的RBM进行推断149
6.11 总结150
第7章 用于电影评论情感分析的移动应用程序151
7.1 技术要求152
7.2 使用TensorFlow mobile构建Android移动应用程序152
7.3 Android应用中的电影评论评分153
7.4 预处理电影评论文本154
7.5 构建模型156
7.6 训练模型157
7.7 将模型冻结为protobuf格式159
7.8 为推断创建单词到表征的字典161
7.9 应用程序交互界面设计162
7.10 Android应用程序的核心逻辑164
7.11 测试移动应用168
7.12 总结170
第8章 提供客户服务的AI聊天机器人171
8.1 技术要求172
8.2 聊天机器人的架构172
8.3 基于LSTM的序列到序列模型173
8.4 建立序列到序列模型174
8.5 Twitter平台上的聊天机器人174
8.5.1 构造聊天机器人的训练数据175
8.5.2 将文本数据转换为单词索引175
8.5.3 替换匿名用户名176
8.5.4 定义模型176
8.5.5 用于训练模型的损失函数178
8.5.6 训练模型179
8.5.7 从模型生成输出响应180
8.5.8 所有代码连起来180
8.5.9 开始训练181
8.5.10 对一些输入推特的推断结果181
8.6 总结182
第9章 基于增强学习的无人驾驶183
9.1 技术要求183
9.2 马尔科夫决策过程184
9.3 学习Q值函数185
9.4 深度Q学习186
9.5 形式化损失函数186
9.6 深度双Q学习187
9.7 实现一个无人驾驶车的代码189
9.8 深度Q学习中的动作离散化189
9.9 实现深度双Q值网络190
9.10 设计智能体191
9.11 自动驾驶车的环境194
9.12 将所有代码连起来197
9.13 训练结果202
9.14 总结203
第10章 从深度学习的角度看CAPTCHA204
10.1 技术要求205
10.2 通过深度学习破解CAPTCHA205
10.2.1 生成基本的CAPTCHA205
10.2.2 生成用于训练CAPTCHA破解器的数据206
10.2.3 CAPTCHA破解器的CNN架构208
10.2.4 预处理CAPTCHA图像208
10.2.5 将CAPTCHA字符转换为类别209
10.2.6 数据生成器210
10.2.7 训练CAPTCHA破解器211
10.2.8 测试数据集的准确性212
10.3 通过对抗学习生成CAPTCHA214
10.3.1 优化GAN损失215
10.3.2 生成器网络215
10.3.3 判别器网络216
10.3.4 训练GAN219
10.3.5 噪声分布220
10.3.6 数据预处理220
10.3.7 调用训练221
10.3.8 训练期间CAPTCHA的质量222
10.3.9 使用训练后的生成器创建CAPTCHA224
10.4 总结225
python人工智能项目实战 桑塔努·帕塔纳亚克 pdf_Python人工智能项目实战相关推荐
- python人工智能项目实战 桑塔努·帕塔纳亚克 pdf_(特价书)Python人工智能项目实战...
译者序 前言 作者简介 审校者简介 第1章 人工智能系统基础知识1 1.1 神经网络2 1.2 神经激活单元5 1.2.1 线性激活单元5 1.2.2 sigmoid激活单元6 1.2.3 双曲正切激 ...
- Python+Excel数据分析实战：军事体能考核成绩评定(一)项目概况
一.技术背景 Excel(Microsoft office)是现在最常用的办公软件,主要涉及电子表格制作.数据处理.报表输出展示以及更高端的还有金融建模等:我们知道,在需要批处理多个Excel工作表以 ...
- 缺少项目经验 找工作处处碰壁？这 240 个实战项目请打包带走！
全部面试找工作时,最常被问到的问题就是:有什么项目经验? 对于毕业生来说,我们刚走出校园,还没有工作和项目经验,只能拿学校里练习做的 "小游戏" 或者 "命令行程序&qu ...
- 人工智能概述、人工智能发展历程、人工智能主要分支、机器学习工作流程、完整机器学习项目的流程、机器学习算法分类、独立同分布、模型评估、深度学习简介
日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 1.1 人工智能概述 1 人工智能应用场景 2 人工智能小案例 ...
- 【项目实战课】基于Pytorch的InceptionNet花卉图像分类实战
欢迎大家来到我们的项目实战课,本期内容是<基于Pytorch的InceptionNet花卉图像分类实战>.所谓项目课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个主题,进行 ...
- 通过python各种开源库，开发一个适合大部分公司测试项目框架，确定名字AutoTestProjects
通过python各种开源库,开发一个适合大部分公司测试项目框架,确定名字AutoTestProjects 一,简介 1.目前市场上的框架一般都需要码农进行编写,对测试小白非常的不友好,而且现在整个IT ...
- python接口自动化测试书籍_蜗牛出版之《接口自动化测试开发实战教程》书籍详解！...
各位老铁,大家好~ 上周,我们通过一篇分享,给大家详细介绍了蜗牛创想的出版业务. 还不了解的小伙伴请戳:除了培训和研发,我们还有一项90%的人都未曾关注到的业务! 本周开始,我们将对已经出版的< ...
- python爬虫开发微课版pdf_Python爬虫开发实战教程（微课版）
第 1章 静态网页爬虫 1 1.1 爬虫的基本概念和工作原理 2 1.1.1 什么是网络爬虫 2 1.1.2 爬虫的结构与工作流程 3 1.2 爬虫抓包分析 4 1.2.1 使用Chrome浏览器进行 ...
- uni-app实战之社区交友APP（1）项目介绍和环境搭建
文章目录 前言 一.项目介绍 二.环境搭建和创建项目 1.开发环境搭建 2.创建uni-app项目 三.多端调试环境搭建 1.安卓手机调试配置 2.iOS真机调试配置 3.微信小程序调试配置 4.支付 ...
最新文章
- SQLAlchemy 用于 MySQL创建表时的bug修正
- edtext 从右边开始输入 安卓_Android开发之EditText属性详解
- 中国厂商加速5G前瞻性部署
- springmvc 实现javamail
- Android开发之使用Android studio进行两个项目合并的方法
- 阿里云轻应用服务器 宝塔面板 mongodb 配置外网连接 其一 基础配置
- 智能合约开发solidity编程语言实例
- 实时手势识别 【手部跟踪】Mediapipe中的hand
- 2014年二级c语言,2014年计算机二级考试C语言选择题
- 晨哥真有料丨对她越好，越难脱单！
- MFC Radio Button笔记
- python系列九：python3迭代器和生成器
- 计算机专业论文周进展300字,毕业设计周进展记录模板
- linux系统scsi硬盘,Linux系统SCSI磁盘管理全攻略（一）
- 联想台式计算机HDMI使用,联想电脑怎样连接电视
- 简单测试服务器磁盘读写速度
- 小孩增高的主要方式：足量动物脂肪；去除大豆；去除植物油；备孕6个月饮食
- cs与msf的联合使用
- php 获取当前IP地址
- 北航计算机学院网络安全班,2021年北航网络空间安全学院网络空间安全专业目录分数线参考书真题及考研经验...