关于本书

关于本书

本书是为那些想要从零开始探索深度学习的人或想要拓展对深度学习的理解的人而写的。无论是在职的机器学习工程师、软件开发者还是大学生,都会在本书中找到有价值的内容。

本书是对深度学习的实践探索,避免使用数学符号,尽量用代码片段来解释定量概念,帮你建立关于机器学习和深度学习核心思想的直觉。

书中包含 30 多个代码示例,有详细的注释、实用的建议和简单的解释。知道这些你就可以开始用深度学习来解决具体问题了。

全书代码示例都使用 Python 深度学习框架 Keras,并用 TensorFlow 作为后端引擎。Keras 是最受欢迎且发展最快的深度学习框架之一,被广泛推荐为上手深度学习的最佳工具。

读完本书后,你将会充分理解什么是深度学习、什么时候该用深度学习,以及它的局限性。你将学到解决机器学习问题的标准工作流程,还会知道如何解决常见问题。你将能够使用 Keras 来解决从计算机视觉到自然语言处理等许多现实世界的问题,包括图像识别、时间序列预测、情感分析、图像和文字生成等。

谁应该阅读这本书

本书的目标读者是那些具有 Python 编程经验,并且想要开始上手机器学习和深度学习的人。但本书对以下这些读者也都很有价值。

  • 如果你是熟悉机器学习的数据科学家,你将通过本书全面掌握深度学习及其实践。深度学习是机器学习中发展最快、最重要的子领域。
  • 如果你是想要上手 Keras 框架的深度学习专家,你会发现本书是市面上最棒的 Keras 速成教程。
  • 如果你是研究深度学习的研究生,你会发现本书是对你所受教育的实践补充,有助于你培养关于深度神经网络的直觉,还可以让你熟悉重要的最佳实践。

有技术背景的人,即使不经常编程,也会发现本书介绍的深度学习基本概念和高级概念非常有用。

使用 Keras 需要具有一定的 Python 编程水平。另外,熟悉 Numpy 库也会有所帮助,但并不是必需的。你不需要具有机器学习或深度学习方面的经验,本书包含从头学习所需的必要基础知识。你也不需要具有高等数学背景,掌握高中水平的数学知识应该足以看懂本书内容。

学习路线图

本书分为两部分。如果你之前没有关于机器学习的经验,我强烈建议你先读完第一部分,然后再阅读第二部分。我们会从简单示例讲起,然后再依次介绍越来越先进的技术。

第一部分是对深度学习的介绍,给出了一些背景和定义,还解释了上手机器学习和神经网络需要掌握的所有概念。

  • 第 1 章介绍人工智能、机器学习和深度学习的重要背景知识。
  • 第 2 章介绍从事深度学习必须了解的基本概念:张量、张量运算、梯度下降和反向传播。这一章还给出了本书第一个可用的神经网络示例。
  • 第 3 章包括上手神经网络所需要了解的全部内容:Keras 简介,它是我们的首选深度学习框架;建立自己的工作站的指南;三个基本代码示例以及详细解释。读完这一章,你将能够训练简单的神经网络来处理分类任务和回归任务,你还将充分了解训练过程背后发生的事情。
  • 第 4 章介绍标准的机器学习工作流程。你还会了解常见的陷阱及其解决方案。

第二部分将深入介绍深度学习在计算机视觉和自然语言处理中的实际应用。这一部分给出了许多示例,对于在现实世界的实践中遇到的深度学习问题,你可以用这些示例作为解决问题的模板。

  • 第 5 章介绍了一系列实用的计算机视觉示例,重点放在图像分类。
  • 第 6 章介绍了处理序列数据(比如文本和时间序列)的实用技术。
  • 第 7 章介绍了构建最先进深度学习模型的高级技术。
  • 第 8 章介绍了生成式模型,即能够创造图像和文本的深度学习模型,它有时会产生令人惊讶的艺术效果。
  • 第 9 章将帮你巩固在本书学到的知识,还会探讨深度学习的局限性及其未来的可能性。

软件 / 硬件需求

本书所有代码示例都使用 Keras 深度学习框架,它是开源的,可以免费下载。你需要一台安装了 UNIX 的计算机,也可以使用 Windows,但我不推荐后者。附录 A 将引导你完成整个安装过程。

我还推荐你在计算机上安装最新的 NVIDIA GPU,比如一块 TITAN X。这不是必需的,但它会让你运行代码示例的速度快上几倍,让你有更好的体验。3.3 节给出了建立深度学习工作站的更多信息。

如果你没有已安装最新 NVIDIA GPU 的本地工作站,那么可以使用云环境,特别推荐谷歌云实例(比如带有 NVIDIA Tesla K80 扩展的 n1-standard-8 实例)或亚马逊网络服务(AWS)的 GPU 实例(比如 p2.xlarge 实例)。附录 B 详细介绍了一套通过 Jupyter 笔记本运行 AWS 实例的云工作流程,你可以通过浏览器访问。

源代码

本书所有代码示例都可以从配套网站(https://www.manning.com/books/deep-learning-with-python)和 GitHub 网站(https://github.com/fchollet/deep-learning-with-python-notebooks)上以 Jupyter 笔记本的形式下载。

本书论坛

购买本书英文版 1 的读者还可以免费访问由 Manning 出版社运营的私有网络论坛,你可以在那里就本书发表评论、询问技术问题,获得来自作者和其他用户的帮助。论坛地址为 https://forums.manning.com/forums/deep-learning-with-python。你还可以访问 https://forums.manning.com/forums/about 了解关于 Manning 论坛和行为规则的更多信息。

1中文版读者可登录图灵社区本书页面提交评论和勘误,并下载源代码:http://www.ituring.com.cn/book/2599。——编者注

Manning 承诺为读者提供一个平台,让读者之间、读者和作者之间可以进行有意义的对话。但这并不保证作者的参与程度,因其对论坛的贡献完全是自愿的(而且无报酬)。我们建议你试着问作者一些有挑战性的问题,这样他才会感兴趣!只要本书仍在销售中,你就可以在 Manning 网站上访问论坛和存档的讨论记录。

电子书

扫描如下二维码,即可购买本书电子版。

{%}

目录