《Python人工智能项目实战》读书笔记模板.pptx

Python人工智能项目实战读书笔记模板 01思维导图读书笔记精彩摘录内容摘要目录分析作者介绍目录0305020406 思维导图 项目实战应用项目智能领域深度训练技术模型损失数据网络要求函数系统推断深度器本书关键字分析思维导图 内容摘要 内容摘要本书可帮助你结合深度学习和强化学习来构建智能而且实用的基于人工智能的系统。本书涉及的项目涵盖众多领域，例如医疗健康、电子商务、专家系统、智能安防、移动应用和自动驾驶，使用的技术包括卷积神经络、深度强化学习、基于LSTM的RNN、受限玻尔兹曼机、生成对抗络、机器翻译和迁移学习。本书有关构建智能应用的理论知识将帮助读者使用有趣的方法来拓展项目，以便快速创建有影响力的AI应用。读完本书之后，你将有足够的能力建立自己的智能模型，轻松地解决来自任何领域的问题。 读书笔记 读书笔记一些例子和代码，书中是以tensofrlow和keras为语言的，前后没有依赖，可以挑着章节看。机器学习其实很有意思，本书更多基于应用实例层面。ai如何更好的服务客户而不是取悦研究人员才是ai的商业落地的路子。 目录分析 1.1神经络1.2神经激活单元1.3用反向传播算法训练神经络1.4卷积神经络1.5循环神经络1.6生成对抗络010302040506第1章人工智能系统基础知识 1.7强化学习1.8迁移学习1.9受限玻尔兹曼机1.10自编码器1.11总结12345第1章人工智能系统基础知识 1.2神经激活单元1.2.1线性激活单元1.2.2 sigmoid激活单元1.2.3双曲正切激活函数1.2.4修正线性单元1.2.5 softmax激活单元 1.7强化学习1.7.1 Q学习1.7.2深度Q学习 2.1技术要求2.2迁移学习简介2.3迁移学习和糖尿病视膜病变检测2.4糖尿病视膜病变数据集2.5定义损失函数2.6考虑类别不平衡问题010302040506第2章迁移学习 2.7预处理图像2.8使用仿射变换生成额外数据2.9络架构2.10优化器和初始学习率2.11交叉验证2.12基于验证对数损失的模型检查点010302040506第2章迁移学习 2.13训练过程的Python实现2.14类别分类结果2.15在测试期间进行推断2.16使用回归而非类别分类2.17使用keras sequential工具类生成器2.18总结010302040506第2章迁移学习 2.8使用仿射变换生成额外数据2.8.1旋转2.8.2平移2.8.3缩放2.8.4反射2.8.5通过仿射变换生成额外的图像 2.9络架构2.9.1 VGG16迁移学习络2.9.2 InceptionV3迁移学习络2.9.3 ResNet50迁移学习络 3.1技术要求3.2基于规则的机器翻译3.3统计机器学习系统3.4神经机器翻译第3章神经机器翻译 3.6总结3.5实现序列到序列的神经机器翻译第3章神经机器翻译 3.2基于规则的机器翻译3.2.1分析阶段3.2.2词汇转换阶段3.2.3生成阶段 3.3统计机器学习系统3.3.1语言模型3.3.2翻译模型 3.4神经机器翻译3.4.1编码器-解码器模型3.4.2使用编码器-解码器模型进行推断 3.5实现序列到序列的神经机器翻译3.5.1处理输入数据3.5.2定义神经翻译机器的模型3.5.3神经翻译机器的损失函数3.5.4训练模型3.5.5构建推断模型3.5.6单词向量嵌入3.5.7嵌入层3.5.8实现基于嵌入的NMT 4.1技术要求4.3 CycleGAN4.2 DiscoGAN第4章基于GAN的时尚风格迁移 4.4学习从手绘轮廓生成自然手提包4.5预处理图像4.6 DiscoGAN的生成器4.7 DiscoGAN的判别器4.8构建络和定义损失函数12345第4章基于GAN的时尚风格迁移 4.9构建训练过程4.10 GAN训练中的重要参数值4.11启动训练4.12监督生成器和判别器的损失4.13 DiscoGAN生成的样例图像4.14总结010302040506第4章基于GAN的时尚风格迁移 5.1技术要求5.2视频字幕中的CNN和LSTM5.3基于序列到序列的视频字幕系统5.4视频字幕系统数据集第5章视频字幕应用 5.5处理视频图像以创建CNN特征5.6处理视频的带标签字幕5.7构建训练集和测试集5.8构建模型5.9为字幕创建单词词汇表5.10训练模型010302040506第5章视频字幕应用 5.11训练结果5.13总结5.12对未见过的视频进行推断第5章视频字幕应用 5.8构建模型5.8.1定义模型的变量5.8.2编码阶段5.8.3解码阶段5.8.4计算小批量损失 5.12对未见过的视频进行推断5.12.1推断函数5.12.2评估结果 6.1技术要求6.2什么是推荐系统6.3基于潜在因子分解的推荐系统6.4深度学习与潜在