Python深度学习（第2版）

本书由流行深度学习框架Keras之父弗朗索瓦·肖莱执笔，通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号，转而采用Python代码来解释深度学习的核心思想。全书共计14章，既涵盖了深度学习的基本原理，又体现了这一迅猛发展的领域在近几年里取得的重要进展，包括Transformer架构的原理和示例。读完本书后，你将能够使用Keras解决从计算机视觉到自然语言处理等现实世界的诸多问题，包括图像分类、图像分割、时间序列预测、文本分类、机器翻译、文本生成等。

这是一本由Keras之父弗朗索瓦·肖莱执笔的深度学习入门教程。这本书通过直观的解释和丰富的示例，帮助读者构建深度学习知识体系。作者避免使用数学符号，转而采用Python代码来解释深度学习的核心思想。全书共计14章，既涵盖了深度学习的基本原理，又体现了这一迅猛发展的领域在近几年里取得的重要进展，包括Transformer架构的原理和示例。 本书首先介绍了人工智能、机器学习和深度学习概念，解释了它们之间的区别和联系。接着，通过神经网络示例，介绍了神经网络的基本概念，包括张量与张量运算，以及神经网络如何通过反向传播与梯度下降进行学习。书中还详细介绍了张量基本概念，包括张量的定义、类型、形状和运算等。 在机器学习中，泛化与欠拟合过拟合是一个重要的概念。本书详细解释了这三个概念，并介绍了如何通过增加模型规模、使用数据增强等方法来避免过拟合。此外，书中还介绍了如何通过自定义训练循环与评估循环，以及深入Keras模型构建与训练，来提高模型的性能。 在计算机视觉领域，本书介绍了图像分类和分割任务概述，以及时间序列预测任务与方法。这些内容帮助读者理解计算机视觉中的一些基本任务，并介绍了如何处理时间