《深度学习：从入门到精通：基于Keras》进阶篇

谢佳标

视频学科分类 - 计算机科学技术

时长：MP4

来源 - 51CTO

第 4 章首先介绍了卷积神经网络基本原理及实现，并通过 CIFAR-图像的案例实践帮助读者掌握卷积神经网络的使用。接着介绍迁移学习的基本原理，并通过 Keras Applications 和TensorFlow Hub 两种方式实现迁移学习。最后介绍强化深度学习的相关内容。第 5 章依次介绍了简单循环神经网络（SimpleRNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）、序列到序列（Seq2Seq）及 Transformer 模型的基本原理及实现。第 6 章介绍了自编码器基本结构以及常用自编码器：简单自编码器、稀疏自编码器、堆栈自编码器、卷积自编码器、降噪自编码器以及堆循环自编码器的基本原理及实现。利用自编码器建立无监督的推荐系统的实践，引导读者将自编码器应用在不同实际场景中。第 7 章首先介绍了生成式对抗网络 GAN 基本原理，使用 GAN 生成手写数字 5 图像。然后介绍深度卷积生成式对抗网络 DCGAN 基本原理及案例实践。第 8 章介绍了模型评估及优化技巧。分别介绍了数值（回归）预测和概率（分类）预测的常用评价指标及 Python 实现，然后介绍了基于梯度下降的优化、自适应学习率算法、网格搜索、防止模型过拟合等模型参数优化手段。紧接着介绍如何在 tf.Keras 中使用 Scikit-Learn优化模型和使用 KerasTuner 进行超参数调节。

查看内容