内容简介这本书的前四章集中在足够的理论和基础,给你,实践者,为这本书剩下的部分一个工作的基础。最后五章将从这些概念出发,带领您通过一系列使用DL4J进行深度学习的实践路径。

  • 建立深度网络
  • 高级调优技术
  • 矢量化不同的数据类型
  • 运行深度学习工作流程的Spark

在本书中,我们交替使用DL4J和Deeplearning4j这两个名称。这两个术语都指的是Deeplearning4j库中的工具套件。

我们以这种方式设计这本书,因为我们觉得有必要让这本书既包含足够的理论,又足够的实际,以构建生产级的深度学习工作流。我们认为,这种混合方法的书的覆盖面适合这个空间。

第一章回顾了机器学习的一般概念,特别是深度学习,让读者快速了解了解本书其余部分所需要的基础知识。我们增加了这一章,因为许多初学者可以使用这些概念的复习或入门,我们想让尽可能多的读者可以访问这个项目。

第2章以第1章的概念为基础,并为您提供了神经网络的基础。它在很大程度上是神经网络理论的一个章节,但是我们的目标是用一种可访问的方式来呈现信息。

第三章在前两章的基础上更进一步,让你了解网络是如何从神经网络的基本原理发展而来的。

第四章介绍了深层网络的四种主要架构,并为本书的其余部分提供了基础。

在第5章中,我们将使用前半部分中的技术,带您浏览一些Java代码示例。

第6章和第7章讨论了调优一般神经网络的基本原理,然后讨论了如何调优深度网络的特定架构。这些章节是平台无关的,将适用于任何深度学习库的实践。

第8章是对矢量化技术和如何使用DataVec (DL4J的ETL和矢量化工作流工具)的基础知识的回顾。

第9章总结了该书的主体部分,回顾了如何在Spark和Hadoop上本地使用DL4J,并举例说明了可以在自己的Spark集群上运行的三个实际示例。

这本书有许多附录章节的主题是相关的,但不适合直接放在主要章节。主题包括:

  • 人工智能
  • 在DL4J项目中使用Maven
  • 使用GPU
  • 使用ND4J API
  • 更多

部分截图:

成为VIP会员查看完整内容
Deep Learning - A Practitioner's Approach.pdf
128

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【经典书】贝叶斯编程,378页pdf,Bayesian Programming
专知会员服务
241+阅读 · 2020年5月18日
深度学习搜索,Exploring Deep Learning for Search
专知会员服务
55+阅读 · 2020年5月9日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
201+阅读 · 2020年1月13日
专知会员服务
112+阅读 · 2019年12月24日
深度学习界圣经“花书”《Deep Learning》中文版来了
专知会员服务
229+阅读 · 2019年10月26日
GitHub标星10k,从零开始的深度学习实用教程 | PyTorch官方推荐
<好书推荐> -《Pro Deep Learning with TensorFlow》分享
深度学习与NLP
12+阅读 · 2018年9月13日
1月书讯:从这10本好书开读
图灵教育
5+阅读 · 2018年1月23日
Deep Learning for Energy Markets
Arxiv
8+阅读 · 2019年4月10日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
71+阅读 · 2018年12月22日
Dynamic Transfer Learning for Named Entity Recognition
Arxiv
3+阅读 · 2018年12月13日
Arxiv
8+阅读 · 2018年5月15日
VIP会员
微信扫码咨询专知VIP会员