《Keras深度學習實戰(zhàn)》

智能系統(tǒng)與技術叢書

Keras? 深 度 學 習 實 戰(zhàn)

Keras Deep Learning Cookbook

拉蒂普·杜瓦（Rajdeep Dua）

[印]?? 曼普里特·辛格·古特（Manpreet Singh Ghotra）? 著

羅　娜　祁佳康　譯

The Translator’s Words

譯　者　序

作為機器學習中的一個重要研究領域，人工神經(jīng)網(wǎng)絡的發(fā)展歷史一波三折。2006年以來，隨著深度學習的興起和成功應用，人工神經(jīng)網(wǎng)絡迎來了新的生機。與傳統(tǒng)的人工神經(jīng)網(wǎng)絡相比，深度學習的最大特點是網(wǎng)絡層數(shù)有了大幅度的增加，配合其他相關技術，解決了以圖像、聲音等作為數(shù)據(jù)的傳統(tǒng)人工神經(jīng)網(wǎng)絡難以解決的問題。作為快速實現(xiàn)深度學習的平臺，TensorFlow一定程度上簡化了神經(jīng)網(wǎng)絡的構建程序，Keras進一步對TensorFlow進行了封裝，從而能更加快速地把用戶的思想轉化為代碼。

本書從實用的角度出發(fā)，全方面介紹了如何使用Keras解決深度學習中的各類問題。本書假設讀者無任何關于深度學習編程的基礎知識，首先介紹了Keras這一高度模塊化、極簡式的深度學習框架的安裝、配置和編譯等平臺搭建知識，而后詳細介紹了深度學習所要求的數(shù)據(jù)預處理等基本內(nèi)容，在此基礎上介紹了卷積神經(jīng)網(wǎng)絡、生成式對抗網(wǎng)絡、遞歸神經(jīng)網(wǎng)絡這三種深度學習方法并給出了相關實例代碼，最后本書介紹了自然語言處理、強化學習兩方面的內(nèi)容。

本書是一本實踐性很強的深度學習工具書，既適合希望快速學習和使用Keras深度學習框架的工程師、學者和從業(yè)者，又特別適合立志從事深度學習和AI相關的行業(yè)并且希望用Keras開發(fā)實際項目的工程技術人員。

本書翻譯工作得到國家自然科學基金項目（項目編號：61403140）的資助，在此表示衷心感謝。

感謝華章公司的劉鋒編輯不辭辛苦地與譯者溝通相關細節(jié)內(nèi)容，同時感謝他在翻譯本書過程中給予的諸多幫助。

限于本人水平，難免會對本書中部分內(nèi)容的理解或中文語言表達存在不當之處，敬請讀者批評指正，以便能夠不斷改進。

羅娜　祁佳康

2019年于上海

About the REVIEWER

審校者簡介

Sujit Pal工作于Reed-Elsevier PLC Group內(nèi)的Elsevier實驗室，研究涉及信息檢索、分布式處理、本體開發(fā)、自然語言處理、機器學習，并用Python、Scala和Java進行開發(fā)。通過結合在這些領域的專長，幫助公司實現(xiàn)產(chǎn)品功能構建或改進。他相信終身學習，并長期在sujitpal.blogspot.com上記錄他的一些見解。

PREFACE

前　　言

Keras采用Python編寫，能夠快速準確地訓練卷積神經(jīng)網(wǎng)絡和遞歸神經(jīng)網(wǎng)絡，已經(jīng)成為當下流行的深度學習庫。

本書講述了如何在Keras庫的幫助下，高效地解決在訓練深度學習模型時遇到的各種問題。內(nèi)容包括如何安裝和設置Keras，如何在TensorFlow、Apache MXNet和CNTK后端開發(fā)中使用Keras實現(xiàn)深度學習。

從加載數(shù)據(jù)到擬合和評估模型獲得最佳性能，你將逐步解決在深度學習建模時可能遇到的所有問題。在本書的幫助下，你將實現(xiàn)卷積神經(jīng)網(wǎng)絡、遞歸神經(jīng)網(wǎng)絡、對抗網(wǎng)絡等。除此之外，你還將學習如何訓練這些模型以實現(xiàn)真實的圖像處理和語言處理任務。

本書的最后，你將完成一個實例以進一步了解如何利用Python和Keras的強大功能實現(xiàn)有效的深度學習。

本書讀者對象

本書適合數(shù)據(jù)科學家或機器學習專家，可以幫助他們解決在訓練深度學習模型時遇到的常見問題。閱讀本書前，需要對Python有基本的了解，并了解機器學習和神經(jīng)網(wǎng)絡的內(nèi)容。

本書涵蓋的內(nèi)容

第1章介紹了Keras的安裝和設置過程以及如何配置Keras。

第2章介紹了使用CIFAR-10、CIFAR-100或MNIST等數(shù)據(jù)集，以及用于圖像分類的其他數(shù)據(jù)集和模型。

第3章介紹了使用Keras的各種預處理和優(yōu)化技術，優(yōu)化技術包括TFOptimizer、AdaDelta等。

第4章詳細描述了不同的Keras層，包括遞歸層和卷積層等。

第5章通過宮頸癌分類和數(shù)字識別數(shù)據(jù)集的實例，詳細解釋如何使用卷積神經(jīng)網(wǎng)絡算法。

第6章包括基本的生成式對抗網(wǎng)絡（GAN）和邊界搜索GAN。

第7章涵蓋了遞歸神經(jīng)網(wǎng)絡的基礎，以便實現(xiàn)基于歷史數(shù)據(jù)集的Keras。

第8 章包括使用Keras進行單詞分析和情感分析的NLP基礎知識。

第9章展示了如何在Amazon評論數(shù)據(jù)集中使用Keras模型進行文本概述。

第10章側重于使用Keras設計和開發(fā)強化學習模型。

閱讀本書須知

讀者應該掌握Keras和深度學習的基本知識。

排版約定

本書中包含許多排版約定。

文本中的代碼元素、數(shù)據(jù)庫表名、文件夾名、文件名、文件擴展名、路徑名、用戶輸入和Twitter句柄都采用代碼字體表示。舉個例子：“最后，我們將所有評論保存到pickle文件中。”

代碼段如下所示：

當我們希望引起你對代碼塊的特定部分的注意時，相關的行或代碼會以粗體顯示：

命令行的輸入、輸出表示如下：

粗體：表示新術語、重要單詞或詞組。

警告或重要說明。

提示或小技巧。

示例代碼及彩圖下載

本書的示例代碼及所有截圖和樣圖，可以從http://www.packtpub.com通過個人賬號下載，也可以訪問華章圖書官網(wǎng)http://www.hzbook.com，通過注冊并登錄個人賬號下載。

CONTENTS

目　　錄

譯者序

審校者簡介

前言

第1章　Keras安裝? 1

1.1　引言? 1

1.2　在Ubuntu 16.04上安裝Keras? 1

1.2.1　準備工作? 2

1.2.2　怎么做? 2

1.3　在Docker鏡像中使用Jupyter Notebook安裝Keras? 7

1.3.1　準備工作? 7

1.3.2　怎么做? 7

1.4　在已激活GPU的Ubuntu 16.04上安裝Keras? 9

1.4.1　準備工作? 9

1.4.2　怎么做? 10

第2章　Keras數(shù)據(jù)集和模型? 13

2.1　引言? 13

2.2　CIFAR-10數(shù)據(jù)集? 13

2.3　CIFAR-100數(shù)據(jù)集? 15

2.4　MNIST數(shù)據(jù)集? 17

2.5　從CSV文件加載數(shù)據(jù)? 18

2.6　Keras模型入門? 19

2.6.1　模型的剖析? 19

2.6.2　模型類型? 19

2.7　序貫模型? 20

2.8　共享層模型? 27

2.8.1　共享輸入層簡介? 27

2.8.2　怎么做? 27

2.9　Keras函數(shù)API? 29

2.9.1　怎么做? 29

2.9.2　示例的輸出? 31

2.10　Keras函數(shù)API——鏈接層? 31

2.11　使用Keras函數(shù)API進行圖像分類? 32

第3章　數(shù)據(jù)預處理、優(yōu)化和可視化? 36

3.1　圖像數(shù)據(jù)特征標準化? 36

3.1.1　準備工作? 36

3.1.2　怎么做? 37

3.2　序列填充? 39

3.2.1　準備工作? 39

3.2.2　怎么做? 39

3.3　模型可視化? 41

3.3.1　準備工作? 41

3.3.2　怎么做? 41

3.4　優(yōu)化? 43

3.5　示例通用代碼? 43

3.6　隨機梯度下降優(yōu)化法? 44

3.6.1　準備工作? 44

3.6.2　怎么做? 44

3.7　Adam優(yōu)化算法? 47

3.7.1　準備工作? 47

3.7.2　怎么做? 47

3.8　AdaDelta優(yōu)化算法? 50

3.8.1　準備工作? 51

3.8.2　怎么做? 51

3.9　使用RMSProp進行優(yōu)化? 54

3.9.1　準備工作? 54

3.9.2　怎么做? 54

第4章　使用不同的Keras層實現(xiàn)分類? 58

4.1　引言? 58

4.2　乳腺癌分類? 58

4.3　垃圾信息檢測分類? 66

第5章　卷積神經(jīng)網(wǎng)絡的實現(xiàn)? 73

5.1　引言? 73

5.2　宮頸癌分類? 73

5.2.1　準備工作? 74

5.2.2　怎么做? 74

5.3　數(shù)字識別? 84

5.3.1　準備工作? 84

5.3.2　怎么做? 85

第6章　生成式對抗網(wǎng)絡? 89

6.1　引言? 89

6.2　基本的生成式對抗網(wǎng)絡? 90

6.2.1　準備工作? 91

6.2.2　怎么做? 91

6.3　邊界搜索生成式對抗網(wǎng)絡? 98

6.3.1　準備工作? 99

6.3.2　怎么做? 100

6.4　深度卷積生成式對抗網(wǎng)絡? 106

6.4.1　準備工作? 107

6.4.2　怎么做? 108

第7章　遞歸神經(jīng)網(wǎng)絡? 116

7.1　引言? 116

7.2　用于時間序列數(shù)據(jù)的簡單RNN? 117

7.2.1　準備工作? 118

7.2.2　怎么做? 119

7.3　時間序列數(shù)據(jù)的LSTM網(wǎng)絡? 128

7.3.1　LSTM網(wǎng)絡? 128

7.3.2　LSTM記憶示例? 129

7.3.3　準備工作? 129

7.3.4　怎么做? 129

7.4　使用LSTM進行時間序列預測? 133

7.4.1　準備工作? 134

7.4.2　怎么做? 135

7.5　基于LSTM的等長輸出序列到序列學習? 143

7.5.1　準備工作? 143

7.5.2　怎么做? 144

第8章　使用Keras模型進行自然語言處理? 150

8.1　引言? 150

8.2　詞嵌入? 150

8.2.1　準備工作? 151

8.2.2　怎么做? 151

8.3　情感分析? 157

8.3.1　準備工作? 157

8.3.2　怎么做? 159

8.3.3　完整代碼清單? 162

第9章　基于Keras模型的文本摘要? 164

9.1　引言? 164

9.2　評論的文本摘要? 164

9.2.1　怎么做? 165

9.2.2　參考資料? 172

第10章　強化學習? 173

10.1　引言? 173

10.2　使用Keras進行《CartPole》游戲? 174

10.3　使用競爭DQN算法進行《CartPole》游戲? 181

10.3.1　準備工作? 183

10.3.2　怎么做? 187

Keras 深度學習

版權聲明：本文內(nèi)容由網(wǎng)絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權內(nèi)容。

版權聲明：本文內(nèi)容由網(wǎng)絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權內(nèi)容。