深度学习私房菜：跟着案例学TensorFlow word 网盘 高速 下载地址大全 免费

本书通过案例讲解如何使用TensorFlow 解决深度学习的实际任务，每章都包含TensorFlow 1.x和 2.0的代码实现。全书共分 10 章，主要讲解卷积神经网络、LSTM、Seq2Seq、Transformer、BERT、文本卷积、GBDT、FM、FFM、Dlib、MTCNN、VGG、AlphaGo/AlphaZero、BiLSTM、DQN、Gym、GAN等技术，包含的项目有CIFAR-100 图像分类、彩票预测、古诗生成、推荐系统、广告点击率预测、人脸识别、中国象棋、汉字OCR、FlappyBird和超级马里奥、人脸生成。 本书假设读者具有适当的 Python 编程基础和深度学习基础（比如梯度下降、反向传播等知识）。全书以案例的方式讲解涉及的知识，包括理论、算法和解决思路，适合相关专业的大学生或研究生，以及对深度学习感兴趣的读者参考阅读。

1 卷积神经网络与环境搭建 1 1.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 卷积神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.1 卷积层 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.2 修正线性单元 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.2.3 池化层 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.2.4 全连接层 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.2.5 softmax 层 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.2.6 LeNet-5 网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.3 准备开发环境 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.3.1 Anaconda 环境搭建 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.3.2 安装 TensorFlow 1.x . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.3.3 FloydHub 使用介绍 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.3.4 AWS 使用介绍 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2 卷积神经网络实践：图像分类 27 2.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.2 卷积神经网络项目实践：基于 TensorFlow 1.x . . . . . . . . . . . . . . . . . . . . . 27 2.2.1 数据预处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.2.2 网络模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 2.2.3 训练网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 2.3 卷积神经网络项目实践：基于 TensorFlow 2.0 . . . . . . . . . . . . . . . . . . . . . 41 2.3.1 TensorFlow 2.0 介绍 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.3.2 CIFAR-100 分类网络的 TensorFlow 2.0 实现 . . . . . . . . . . . . . . . . . . 44 2.4 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 3 彩票预测和生成古诗 61 3.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 3.2 RNN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 3.3 LSTM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 3.4 嵌入矩阵 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 3.5 实现彩票预测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 3.5.1 数据预处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 3.5.2 构建神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 3.5.3 训练神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 3.5.4 分析网络训练情况 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 3.5.5 生成预测号码 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 3.6 文本生成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 3.7 生成古诗：基于 TensorFlow 2.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.7.1 数据预处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.7.2 构建网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 3.7.3 开始训练 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 3.7.4 生成古诗 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 3.8 自然语言处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 3.8.1 序列到序列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 3.8.2 Transformer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 3.8.3 BERT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 3.9 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 4 个性化推荐系统 119 4.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 4.2 MovieLens 1M 数据集分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 4.2.1 下载数据集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 4.2.2 用户数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 4.2.3 电影数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122 4.2.4 评分数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 4.3 数据预处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 4.3.1 代码实现 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 4.3.2 加载数据并保存到本地 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 4.3.3 从本地读取数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 4.4 神经网络模型设计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 4.5 文本卷积神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 4.6 实现电影推荐：基于 TensorFlow 1.x . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4.6.1 构建计算图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4.6.2 训练网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 4.6.3 实现个性化推荐 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 4.7 实现电影推荐：基于 TensorFlow 2.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 4.7.1 构建模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 4.7.2 训练网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 4.7.3 实现个性化推荐 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 4.8 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169 5 广告点击率预估：Kaggle 实战 170 5.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170 5.2 下载数据集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170 5.3 数据字段的含义 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 5.4 点击率预估的实现思路 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 5.4.1 梯度提升决策树 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 5.4.2 因子分解机 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 5.4.3 场感知分解机 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174 5.4.4 网络模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175 5.5 数据预处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 5.5.1 GBDT 的输入数据处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 5.5.2 FFM 的输入数据处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 5.5.3 DNN 的输入数据处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 5.5.4 数据预处理的实现 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 5.6 训练 FFM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 5.7 训练 GBDT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 5.8 用 LightGBM 的输出生成 FM 数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 5.9 训练 FM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207 5.10 实现点击率预估：基于 TensorFlow 1.x . . . . . . . . . . . . . . . . . . . . . . . . . 218 5.10.1 构建神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 5.10.2 训练网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 5.10.3 点击率预估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 5.11 实现点击率预估：基于 TensorFlow 2.0 . . . . . . . . . . . . . . . . . . . . . . . . . 237 5.12 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245 6 人脸识别 246 6.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246 6.2 人脸检测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247 6.2.1 OpenCV 人脸检测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247 6.2.2 dlib 人脸检测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251 6.2.3 MTCNN 人脸检测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254 6.3 提取人脸特征 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 6.3.1 使用 FaceNet 提取人脸特征 . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 6.3.2 使用 VGG 网络提取人脸特征 . . . . . . . . . . . . . . . . . . . . . . . . . . 265 6.3.3 使用 dlib 提取人脸特征 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272 6.4 人脸特征的比较 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276 6.5 从视频中找人的实现 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282 6.6 视频找人的案例实践 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284 6.7 人脸识别：基于 TensorFlow 2.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302 6.8 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303 7 AlphaZero / AlphaGo 实践：中国象棋 304 7.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304 7.2 论文解析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 7.2.1 蒙特卡罗树搜索算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 7.2.2 神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312 7.2.3 AlphaZero 论文解析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314 7.3 实现中国象棋：基于 TensorFlow 1.x . . . . . . . . . . . . . . . . . . . . . . . . . . . 317 7.3.1 中国象棋着法表示和 FEN 格式 . . . . . . . . . . . . . . . . . . . . . . . . . 317 7.3.2 输入特征的设计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321 7.3.3 实现神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323 7.3.4 神经网络训练和预测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327 7.3.5 通过自我对弈训练神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . 330 7.3.6 自我对弈 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334 7.3.7 实现蒙特卡罗树搜索：异步方式 . . . . . . . . . . . . . . . . . . . . . . . . 340 7.3.8 训练和运行 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353 7.4 实现中国象棋：基于 TensorFlow 2.0，多 GPU 版 . . . . . . . . . . . . . . . . . . . 354 7.5 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364 8 汉字 OCR 365 8.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365 8.2 分类网络实现汉字 OCR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365 8.2.1 图片矫正 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366 8.2.2 文本切割 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368 8.2.3 汉字分类网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369 8.3 端到端的汉字 OCR：基于 TensorFlow 1.x . . . . . . . . . . . . . . . . . . . . . . . . 371 8.3.1 CNN 设计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372 8.3.2 双向 LSTM 设计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374 8.3.3 CTC 损失 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385 8.3.4 端到端汉字 OCR 的网络训练 . . . . . . . . . . . . . . . . . . . . . . . . . . 388 8.4 汉字 OCR：基于 TensorFlow 2.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395 8.4.1 CNN 的实现 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395 8.4.2 双向 LSTM 的实现 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396 8.4.3 OCR 网络的训练 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403 8.5 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406 9 强化学习：玩转 Flappy Bird 和超级马里奥 407 9.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407 9.2 DQN 算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407 9.3 实现 DQN 玩 Flappy Bird：基于 TensorFlow 1.x . . . . . . . . . . . . . . . . . . . . 412 9.4 实现 DQN 玩 Flappy Bird：基于 TensorFlow 2.0 . . . . . . . . . . . . . . . . . . . . 417 9.5 使用 OpenAI Baselines 玩超级马里奥 . . . . . . . . . . . . . . . . . . . . . . . . . . 424 9.5.1 Gym . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424 9.5.2 自定义 Gym 环境 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426 9.5.3 使用 Baselines 训练 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431 9.5.4 使用训练好的智能体玩游戏 . . . . . . . . . . . . . . . . . . . . . . . . . . . 437 9.5.5 开始训练马里奥游戏智能体 . . . . . . . . . . . . . . . . . . . . . . . . . . . 438 9.6 具有好奇心的强化学习算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443 9.7 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444 10 生成对抗网络实践：人脸生成 445 10.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445 10.2 GAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446 10.3 DCGAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 447 10.3.1 生成器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 448 10.3.2 判别器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449 10.4 WGAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449 10.5 WGAN-GP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 451 10.5.1 WGAN-GP 算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 451 10.5.2 训练 WGAN-GP 生成人脸：基于 TensorFlow 1.x . . . . . . . . . . . . . . . . 452 10.5.3 训练 WGAN-GP 生成人脸：基于 TensorFlow 2.0 . . . . . . . . . . . . . . . . 462 10.6 PG-GAN 和 TL-GAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 469 10.7 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473

暂无相关内容，正在全力查找中

暂无其它内容！

暂时还没有人为这本书评论！