《实战深度学习算法：基于Python和Numpy实现》

促销比价

实体书

电子工业出版社 天猫旗舰店

京东图书 当当图书

配套示例源码与数据下载说明。

不借助深度学习框架，零起点实现神经网络的重要算法。

正确使用模型和各种深度学习框架，离不开对原理的了解，如果对整体原理了然于胸，在应用深度学习框架的时候，可以避免陷入“盲人摸象”的窘境，看清全貌，直达本质，解决工程实践中遇到的问题。

内容组织

1. 提出问题。

2. 以问题为动机引出模型。

3. 介绍模型原理、必要推导和实例。

4. 实现模型算法。

5. 解决问题与验证。

各章目标问题和数据集

章	目标问题	模型、算法	数据集
1	空间中的二分类	感知机MLP、SGD	源码生成目标数据集，无需下载
2	多分类图像识别	全连接神经网络FCN、Softmax方法、信息熵与交叉熵、反向传播推导	MNIST手写数字识别,1D方式载入
3	图像识别（acc>90%）	深层全连接神经网络DNN、隐藏层、激活函数、过拟合与正则化、DNN的反向传播推导	同上、1D方式载入
4	图像识别	卷积神经网络CNN、卷积与互相关、边缘填充、最大池化与平均池化、CNN反向传播推导	同上、3D方式载入
5	图象识别	CNN的提速与优化、向量化、Momentum、NAG、Adagrad、RMSprop、AdaDelta、Adam算法及实现	同上、3D方式载入
6	图象识别	批量规范化 Batch Norm动机、作用、训练、推理、反向传播推导	同上、3D方式载入
7	序列分析	循环神经网络RNN前向计算、反向传播推导	源码生成目标数据集，无需下载
8	指数分析	长短时记忆网络LSTM前向计算、反向传播推导、梯度裁剪	选择1，原始数据，需要自行预处理：./data/沪深300历史数据.csv ； 选择2，预处理后数据，可直接用于训练和验证：./data/hs300_data_seq_nodate.csv
9	情感分析	双向门控循环单元BiGRU前向计算、反向传播推导、Dropout正则化	选择1，原始数据，需自行预处理：IMDB原始数据、nltk停用词表、50维40万英文词嵌入矩阵。 选择2，预处理后的词向量数据（一半数据量），可直接用于训练和验证。https://pan.baidu.com/s/1VZaUCceA6oEmkDaUB9oFJw 提取码 9xdu

Batch Norm结构

LSTM结构

GRU结构

勘误

./勘误_实战深度学习算法.pdf

欢迎交流

欢迎同行交流知乎专栏 ，可从公众号 JerryX007Srv 获得更新提醒。