深度學(xué)習(xí)是目前***的技術(shù)領(lǐng)域。本書兼顧了數(shù)學(xué)上的理解和代碼實(shí)踐，內(nèi)容主要包括基礎(chǔ)知識和深度學(xué)習(xí)模型。第1章
介紹深度學(xué)習(xí)的簡潔發(fā)展思路和表示學(xué)習(xí)機(jī)制； 第2章、第3章介紹神經(jīng)網(wǎng)絡(luò)的基于梯度的優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)的優(yōu)化難點(diǎn)以及相應(yīng)的解決方法； 第4章討論神經(jīng)網(wǎng)絡(luò)遇到的過擬合問題； 第5章分析神經(jīng)網(wǎng)絡(luò)的最小組成部分——神經(jīng)元； 第6章討論三種方案解決深層網(wǎng)絡(luò)的訓(xùn)練難題： 批標(biāo)準(zhǔn)化、SELU、ResNet； 第7章、第8章講述了兩種重要的神經(jīng)網(wǎng)絡(luò)模型： 卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)； 第9章討論了對于神經(jīng)網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)方式； 第10章詳細(xì)討論以變分自編碼器和對抗生成網(wǎng)絡(luò)為代表的概率生成網(wǎng)絡(luò)。
本書適合對于深度學(xué)習(xí)感興趣的大學(xué)生、工程師閱讀參考。閱讀本書需要具備基礎(chǔ)的Python編程技術(shù)和基本的數(shù)學(xué)知識。