实用卷积神经网络：运用Python实现高级深度学习模型

智能系统与技术丛书 实用卷积神经网络：运用Python实现高级深度学习 模型 Practical Convolutional Neural Networks: Implement advanced deep learning models using Python （印）莫希特·赛瓦克（Mohit Sewak） 等著 王彩霞 译 ISBN：978-7-111-62196-6 本书纸版由机械工业出版社于2019年出版，电子版由华章分社（北京华 章图文信息有限公司，北京奥维博世图书发行有限公司）在中华人民共 和国境内（不包括中国香港、澳门特别行政区及中国台湾地区）制作与 发行。 版权所有，侵权必究 客服热线：+ 86-10-68995265 客服信箱：service@bbbvip.com 官方网址：www.hzmedia.com.cn 新浪微博 @华章数媒 微信公众号 华章电子书（微信号：hzebook） 目录 前言 关于作者 关于审阅者 第1章 深度神经网络概述 1.1 创建神经网络块 1.2 TensorFlow介绍 1.3 MNIST数据集介绍 1.4 Keras深度学习库概述 1.5 基于Keras和MNIST的手写数字识别 1.5.1 训练和测试数据的检索 1.5.2 训练数据的可视化 1.5.3 创建神经网络 1.5.4 训练神经网络 1.5.5 测试 1.6 理解反向传播 1.7 本章小结 第2章 卷积神经网络介绍 2.1 CNN历史 2.2 卷积神经网络 2.2.1 计算机如何解释图像 2.2.2 编码实现图像可视化 2.2.3 dropout 2.2.4 输入层 2.2.5 卷积层 2.2.6 池化层 2.3 实践示例：图像分类 2.4 本章小结 第3章 构建CNN并进行性能优化 3.1 CNN架构和DNN的缺点 3.1.1 卷积操作 3.1.2 池化、步长和填充操作 3.2 TensorFlow中的卷积和池化操作 3.2.1 在TensorFlow中应用池化操作 3.2.2 TensorFlow中的卷积操作 3.3 训练CNN 3.3.1 初始化权重和偏置 3.3.2 正则化 3.3.3 激活函数 3.4 创建、训练和评估第一个CNN 3.5 模型性能优化 3.5.1 隐含层数量 3.5.2 每个隐含层的神经元个数 3.5.3 批标准化 3.5.4 高级正则化及过拟合的避免 3.5.5 运用哪个优化器 3.5.6 内存调优 3.5.7 层的位置调优 3.5.8 综合所有操作创建第二个CNN 3.5.9 数据集描述和预处理 3.5.10 创建CNN模型 3.5.11 训练和评估网络 3.6 本章小结 第......