第 1章　深度學習概述　1
1.1　深度學習簡介　1
1.1.1　深度學習的定義　1
1.1.2　深度學習常見應用　2
1.2　深度學習與應用領域　9
1.2.1　深度學習與計算機視覺　9
1.2.2　深度學習與自然語言處理　10
1.2.3　深度學習與語音識別　11
1.2.4　深度學習與機器學習　11
1.2.5　深度學習與人工智能　12
1.3　Keras簡介　13
1.3.1　各深度學習框架對比　13
1.3.2　Keras與TensorFlow的關系　15
1.3.3　Keras常見接口　15
1.3.4　Keras特性　17
1.3.5　Keras安裝　17
1.3.6　Keras中的預訓練模型　20
小結　22
課后習題　23
第　2章 Keras深度學習通用流程　24
2.1　基于全連接網(wǎng)絡的手寫數(shù)字識別實例　24
2.2　數(shù)據(jù)加載與預處理　28
2.2.1　數(shù)據(jù)加載　28
2.2.2　數(shù)據(jù)預處理　31
2.3　構建網(wǎng)絡　39
2.3.1　模型生成　39
2.3.2　核心層　40
2.3.3　自定義層　47
2.4　訓練網(wǎng)絡　51
2.4.1　優(yōu)化器　51
2.4.2　損失函數(shù)　54
2.4.3　訓練方法　60
2.5　性能評估　64
2.5.1　性能監(jiān)控　64
2.5.2　回調檢查　69
2.6　模型的保存與加載　77
實訓1　利用Keras進行數(shù)據(jù)加載與增強　79
實訓2　利用Keras構建網(wǎng)絡并訓練　80
小結　80
課后習題　81
第3章　Keras深度學習基礎　82
3.1　卷積神經(jīng)網(wǎng)絡基礎　82
3.1.1　卷積神經(jīng)網(wǎng)絡中的常用網(wǎng)絡層　83
3.1.2　基于卷積神經(jīng)網(wǎng)絡的手寫數(shù)字識別實例　96
3.1.3　常用卷積神經(jīng)網(wǎng)絡算法及其結構　99
3.2　循環(huán)神經(jīng)網(wǎng)絡　106
3.2.1　循環(huán)神經(jīng)網(wǎng)絡中的常用網(wǎng)絡層　108
3.2.2　基于循環(huán)神經(jīng)網(wǎng)絡和Self Attention網(wǎng)絡的新聞摘要分類實例　123
3.3　生成對抗網(wǎng)絡　131
3.3.1　常用生成對抗網(wǎng)絡算法及其結構　131
3.3.2　基于生成對抗網(wǎng)絡的手寫數(shù)字生成實例　135
實訓1　卷積神經(jīng)網(wǎng)絡　150
實訓2　循環(huán)神經(jīng)網(wǎng)絡　151
實訓3　生成對抗網(wǎng)絡　151
小結　152
課后習題　152
第4章　基于RetinaNet的目標檢測　154
4.1　算法簡介與目標分析　154
4.1.1　背景介紹　154
4.1.2　目標檢測算法概述　155
4.1.3　目標檢測相關理論介紹　156
4.1.4　分析目標　158
4.1.5　項目工程結構　158
4.2　數(shù)據(jù)準備　159
4.2.1　數(shù)據(jù)集下載　159
4.2.2　圖像預處理　160
4.2.3　數(shù)據(jù)集編碼　166
4.2.4　數(shù)據(jù)集管道設置　171
4.3　構建網(wǎng)絡　171
4.3.1　RetinaNet的網(wǎng)絡結構　172
4.3.2　構建RetinaNet　173
4.4　訓練網(wǎng)絡　177
4.4.1　定義損失函數(shù)　177
4.4.2　訓練網(wǎng)絡　180
4.4.3　加載模型測試點　181
4.5　模型預測　182
4.5.1　進行解碼與非極大值抑制處理　182
4.5.2　預測結果　184
實訓　使用VOC2007數(shù)據(jù)集訓練和測試RetinaNet　186
小結　186
課后習題　186
第5章　基于LSTM網(wǎng)絡的詩歌生成　187
5.1　目標分析　187
5.1.1　背景介紹　187
5.1.2　分析目標　188
5.1.3　項目工程結構　189
5.2　文本預處理　189
5.2.1　標識詩句結束點　189
5.2.2　去除低頻詞　190
5.2.3　構建映射　191
5.3　構建網(wǎng)絡　191
5.3.1　設置配置項參數(shù)　191
5.3.2　生成訓練數(shù)據(jù)　192
5.3.3　構建LSTM網(wǎng)絡　194
5.4　訓練網(wǎng)絡　194
5.4.1　查看學習情況　194
5.4.2　生成詩句　195
5.4.3　訓練網(wǎng)絡　196
5.5　結果分析　197
實訓　基于LSTM網(wǎng)絡的文本生成　199
小結　199
課后習題　199
第6章　基于CycleGAN的圖像風格轉換　200
6.1　目標分析　200
6.1.1　背景介紹　200
6.1.2　分析目標　201
6.1.3　項目工程結構　201
6.2　數(shù)據(jù)準備　203
6.3　構建網(wǎng)絡　205
6.3.1　定義恒等映射網(wǎng)絡函數(shù)　206
6.3.2　定義殘差網(wǎng)絡函數(shù)　207
6.3.3　定義生成器函數(shù)　208
6.3.4　定義判別器函數(shù)　211
6.4　訓練網(wǎng)絡　212
6.4.1　定義訓練過程函數(shù)　212
6.4.2　定義生成圖像函數(shù)　214
6.5　結果分析　215
實訓　基于CycleGAN實現(xiàn)莫奈畫作與現(xiàn)實風景圖像的風格轉換　217
小結　217
課后習題　218
第7章　基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)詩歌生成　219
7.1　平臺簡介　219
7.1.1　共享庫　220
7.1.2　數(shù)據(jù)連接　220
7.1.3　數(shù)據(jù)集　221
7.1.4　我的工程　222
7.1.5　個人組件　224
7.2　實現(xiàn)詩歌生成　224
7.2.1　配置數(shù)據(jù)源　225
7.2.2　文本預處理　227
7.2.3　構建網(wǎng)絡　227
7.2.4　訓練網(wǎng)絡　230
7.2.5　結果分析　234
實訓　實現(xiàn)基于TipDM大數(shù)據(jù)挖掘模平臺的文本生成　235
小結　236
課后習題　236