学习深度学习的高级主题,如优化算法、超参数调整、dropout和误差分析,以及解决训练深度神经网络时遇到的典型问题的策略。首先,您将主要通过单个神经元学习激活函数(ReLu、sigmoid和Swish),了解如何使用TensorFlow执行线性和逻辑回归,并选择正确的成本函数。
下一节将讨论更复杂的神经网络体系结构,它有几个层次和神经元,并探讨了权值的随机初始化问题。一个完整的章节致力于一个完整的神经网络误差分析的概述,给出了解决来自不同分布的方差、偏差、过拟合和数据集的问题的例子。
应用深度学习还讨论了如何完全从头实现逻辑回归,除了NumPy之外不使用任何Python库,让您了解像TensorFlow这样的库如何允许快速和高效的实验。每一种方法都包括案例研究,以将所有理论信息付诸实践。您将发现编写优化Python代码的技巧和技巧(例如使用NumPy向量化循环)。
地址: https://www.apress.com/gp/book/9781484237892
你会学到什么
在Python和TensorFlow中以正确的方式实现高级技术
调试和优化高级方法(如dropout和regularization)
进行误差分析(了解是否存在偏差问题、方差问题、数据偏移问题等等)
建立一个机器学习项目,专注于复杂数据集上的深度学习