本書深入淺出講解深度學(xué)習(xí)，對(duì)復(fù)雜的深挖其本質(zhì)，讓其簡(jiǎn)單化；對(duì)簡(jiǎn)單的深挖其聯(lián)系，讓其豐富化。從理論知識(shí)到實(shí)戰(zhàn)項(xiàng)目，內(nèi)容翔實(shí)。
本書分為兩篇，基礎(chǔ)篇主要講解深度學(xué)習(xí)的理論，實(shí)戰(zhàn)篇是代碼實(shí)踐及應(yīng)用。基礎(chǔ)篇（第1~13章）包括由傳統(tǒng)機(jī)器學(xué)習(xí)到深度學(xué)習(xí)的過(guò)度、圖像分類的數(shù)據(jù)驅(qū)動(dòng)的方法、Softmax損失函數(shù)、優(yōu)化方法與梯度、卷積神經(jīng)網(wǎng)絡(luò)的各種概念、卷積過(guò)程、卷積神經(jīng)網(wǎng)絡(luò)各種訓(xùn)練技巧、梯度反傳、各種卷積網(wǎng)絡(luò)架構(gòu)、RNN遞歸神經(jīng)網(wǎng)絡(luò)和序列模型、基于DL的語(yǔ)言模型、生成模型、生成對(duì)抗網(wǎng)絡(luò)等；實(shí)戰(zhàn)篇（第14~19章）包括應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類、各種網(wǎng)絡(luò)架構(gòu)、網(wǎng)絡(luò)各層可視化、貓狗圖像識(shí)別、文本分類、GAN圖像生成等。
本書適合人工智能專業(yè)的本科生、研究生，想轉(zhuǎn)型人工智能的IT從業(yè)者，以及想從零開始了解并學(xué)習(xí)深度學(xué)習(xí)的讀者閱讀。