Python编程深度学习教程指南.doc
Python编程深度学习教程指南
TOC\o1-2\h\u25267第1章深度学习基础 3
103691.1深度学习概述 3
304201.2Python基础环境配置 4
26481.3神经网络基本概念 4
31558第2章编程环境搭建 5
289922.1Anaconda安装与使用 5
49802.1.1安装Anaconda 5
177002.1.2使用Anaconda 5
146242.2TensorFlow框架介绍 6
31262.3PyTorch框架介绍 6
26437第3章数据预处理 6
299033.1数据加载与处理 6
238063.1.1数据加载 6
274513.1.2数据处理 7
165333.2常用数据预处理方法 7
7733.2.1数据划分 8
276933.2.2数据增广 8
305893.2.3数据采样 8
145023.3数据可视化 8
259973.3.1Matplotlib 8
1673.3.2Seaborn 8
12568第4章神经网络构建与训练 9
94624.1神经网络模型结构设计 9
231634.1.1输入层与输出层设计 9
257284.1.2隐藏层设计 9
278794.1.3激活函数选择 9
117154.2损失函数与优化器 9
134794.2.1损失函数 9
318724.2.2优化器 9
93694.3训练过程与评估 10
117274.3.1训练过程 10
195494.3.2评估 10
17938第5章卷积神经网络 10
33355.1卷积神经网络基础 10
162255.1.1卷积层 10
267105.1.2池化层 11
277405.1.3激活函数 11
263085.1.4全连接层 11
67965.2经典卷积神经网络结构 11
130315.2.1LeNet 11
145125.2.2AlexNet 11
156065.2.3VGG 11
104195.2.4GoogLeNet 11
39615.2.5ResNet 11
251235.3图像识别任务实践 12
16375.3.1数据准备 12
290055.3.2网络构建 12
256575.3.3模型训练 12
1235.3.4模型评估 12
237625.3.5模型预测 12
17382第6章循环神经网络 12
112816.1循环神经网络基础 12
98076.1.1循环神经网络的结构 12
160106.1.2梯度消失和梯度爆炸问题 12
172546.1.3双向循环神经网络 13
258146.2长短时记忆网络(LSTM) 13
262176.2.1LSTM的网络结构 13
36436.2.2梯度流经LSTM 13
139746.3与文本 13
185436.3.1 13
176696.3.2文本 13
16864第7章对抗网络 13
107907.1对抗网络基础 13
288677.1.1器与判别器 14
27727.1.2对抗训练过程 14
282477.1.3损失函数 14
318337.2对抗网络的训练技巧 14
326797.2.1模型初始化 14
104787.2.2优化器选择 14
86957.2.3输入噪声分布 14
278927.2.4数据增强 14
275577.3图像与风格迁移 14
27607.3.1图像 15
279497.3.2风格迁移 15
46737.3.3应用案例 15
23342第8章深度学习优化策略 15
166708.1参数初始化策略 15
208908.1.1逐层初始化 15
30568.1.2均匀分布初始化 15
167698.1.3高斯分布初始化 15
151708.1.4Xavier初始化 15
261328.1.5He初始化 16
99968.2正则化方法 16
171028.2.1L1正则化 16
109338.2.2L2正则化 16
317258.2.3Dropou