Keras深度学习实战

1 (p1): 第1章 神经网络基础
2 (p1-1): 1.1 感知机
3 (p1-1-1): 第一个Keras代码示例
3 (p1-2): 1.2 多层感知机——第一个神经网络的示例
4 (p1-2-1): 1.2.1 感知机训练方案中的问题
5 (p1-2-2): 1.2.2 激活函数——sigmoid
5 (p1-2-3): 1.2.3 激活函数——ReLU
6 (p1-2-4): 1.2.4 激活函数
6 (p1-3): 1.3 实例——手写数字识别
7 (p1-3-1): 1.3.1 One-hot编码——OHE
7 (p1-3-2): 1.3.2 用Keras定义简单神经网络
10 (p1-3-3): 1.3.3 运行一个简单的Keras网络并创建基线
11 (p1-3-4): 1.3.4 用隐藏层改进简单网络
14 (p1-3-5): 1.3.5 用dropout进一步改进简单网络
16 (p1-3-6): 1.3.6 Keras中的不同优化器测试
20 (p1-3-7): 1.3.7 增加训练轮数
20 (p1-3-8): 1.3.8 控制优化器的学习率
21 (p1-3-9): 1.3.9 增加内部隐藏神经元的数量
22 (p1-3-10): 1.3.10 增加批处理的大小
22 (p1-3-11): 1.3.11 识别手写数字的实验总结
22 (p1-3-12): 1.3.12 采用正则化方法避免过拟合
24 (p1-3-13): 1.3.13 超参数调优
24 (p1-3-14): 1.3.14 输出预测
25 (p1-4): 1.4 一种实用的反向传播概述
26 (p1-5): 1.5 走向深度学习之路
27 (p1-6): 1.6 小结
28 (p2): 第2章 Keras安装和API
28 (p2-1): 2.1 安装Keras
28 (p2-1-1): 2.1.1 第1步——安装依赖项
29 (p2-1-2): 2.1.2 第2步——安装Theano
29 (p2-1-3): 2.1.3 第3步——安装TensorFlow
30 (p2-1-4): 2.1.4 第4步——安装Keras
30 (p2-1-5): 2.1.5 第5步——测试Theano、TensorFlow和Keras
31 (p2-2): 2.2 配置Keras
32 (p2-3): 2.3 在Docker上安装Keras
34 (p2-4): 2.4 在谷歌Cloud ML上安装Keras
36 (p2-5): 2.5 在亚马逊AWS上安装Keras
37 (p2-6): 2.6 在微软Azure上安装Keras
39 (p2-7): 2.7 Keras API
40 (p2-7-1): 2.7.1 从Keras架构开始
40 (p2-7-2): 2.7.2 预定义神经网络层概述
43 (p2-7-3): 2.7.3 预定义激活函数概述
44 (p2-7-4): 2.7.4 损失函数概述
44 (p2-7-5): 2.7.5 评估函数概述
44 (p2-7-6): 2.7.6 优化器概述
44 (p2-7-7): 2.7.7 一些有用的操作
45 (p2-7-8): 2.7.8 保存和加载权重及模型结构
45 (p2-8): 2.8 自定义训练过程的回调函数
45 (p2-8-1): 2.8.1 检查点设置
47 (p2-8-2): 2.8.2 使用TensorBoard
47 (p2-8-3): 2.8.3 使用Quiver
48 (p2-9): 2.9 小结
49 (p3): 第3章 深度学习之卷积网络
50 (p3-1): 3.1 深度卷积神经网络——DCNN
50 (p3-1-1): 3.1.1 局部感受野
51 (p3-1-2): 3.1.2 共享权重和偏置
51 (p3-1-3): 3.1.3 池化层
52 (p3-2): 3.2 DCNN示例——LeNet
53 (p3-2-1): 3.2.1 用Keras构建LeNet代码
59 (p3-2-2): 3.2.2 深度学习的本领
60 (p3-3): 3.3 用深度学习网络识别CIFAR-10图像
64 (p3-3-1): 3.3.1 用深度学习网络改进CIFAR-10的性能
66 (p3-3-2): 3.3.2 通过数据增加改善CIFAR-10的性能
68 (p3-3-3): 3.3.3 用CIFAR-10进行预测
69 (p3-4): 3.4 用于大型图片识别的极深度卷积网络
71 (p3-4-1): 3.4.1 用VGG-16网络识别猫
72 (p3-4-2): 3.4.2 使用Keras内置的VGG-16网络模块
73 (p3-4-3): 3.4.3…