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