對本書的贊譽(yù)

前言

譯者簡介

學(xué)習(xí)環(huán)境配置

資源與支持

主要符號表

第 1章　引言　1

1.1　日常生活中的機(jī)器學(xué)習(xí)　2

1.2　機(jī)器學(xué)習(xí)中的關(guān)鍵組件　3

1.2.1　數(shù)據(jù)　3

1.2.2　模型　4

1.2.3　目標(biāo)函數(shù)　4

1.2.4　優(yōu)化算法　5

1.3　各種機(jī)器學(xué)習(xí)問題　5

1.3.1　監(jiān)督學(xué)習(xí)　5

1.3.2　無監(jiān)督學(xué)習(xí)　11

1.3.3　與環(huán)境互動　11

1.3.4　強(qiáng)化學(xué)習(xí)　12

1.4　起源　13

1.5　深度學(xué)習(xí)的發(fā)展　15

1.6　深度學(xué)習(xí)的成功案例　16

1.7　特點　17

第 2章　預(yù)備知識　20

2.1　數(shù)據(jù)操作　20

2.1.1　入門　21

2.1.2　運算符　22

2.1.3　廣播機(jī)制　23

2.1.4　索引和切片　24

2.1.5　節(jié)省內(nèi)存　24

2.1.6　轉(zhuǎn)換為其他Python對象　25

2.2　數(shù)據(jù)預(yù)處理　26

2.2.1　讀取數(shù)據(jù)集　26

2.2.2　處理缺失值　26

2.2.3　轉(zhuǎn)換為張量格式　27

2.3　線性代數(shù)　27

2.3.1　標(biāo)量　28

2.3.2　向量　28

2.3.3　矩陣　29

2.3.4　張量　30

2.3.5　張量算法的基本性質(zhì)　31

2.3.6　降維　32

2.3.7　點積　33

2.3.8　矩陣-向量積　33

2.3.9　矩陣-矩陣乘法　34

2.3.10　范數(shù)　35

2.3.11　關(guān)于線性代數(shù)的更多信息　36

2.4　微積分　37

2.4.1　導(dǎo)數(shù)和微分　37

2.4.2　偏導(dǎo)數(shù)　40

2.4.3　梯度　41

2.4.4　鏈?zhǔn)椒▌t　41

2.5　自動微分　42

2.5.1　一個簡單的例子　42

2.5.2　非標(biāo)量變量的反向傳播　43

2.5.3　分離計算　43

2.5.4　Python控制流的梯度計算　44

2.6　概率　44

2.6.1　基本概率論　45

2.6.2　處理多個隨機(jī)變量　48

2.6.3　期望和方差　50

2.7　查閱文檔　51

2.7.1　查找模塊中的所有函數(shù)和類　51

2.7.2　查找特定函數(shù)和類的用法　52

第3章　線性神經(jīng)網(wǎng)絡(luò)　54

3.1　線性回歸　54

3.1.1　線性回歸的基本元素　54

3.1.2　向量化加速　57

3.1.3　正態(tài)分布與平方損失　58

3.1.4　從線性回歸到深度網(wǎng)絡(luò)　60

3.2　線性回歸的從零開始實現(xiàn)　61

3.2.1　生成數(shù)據(jù)集　62

3.2.2　讀取數(shù)據(jù)集　63

3.2.3　初始化模型參數(shù)　63

3.2.4　定義模型　64

3.2.5　定義損失函數(shù)　64

3.2.6　定義優(yōu)化算法　64

3.2.7　訓(xùn)練　64

3.3　線性回歸的簡潔實現(xiàn)　66

3.3.1　生成數(shù)據(jù)集　66

3.3.2　讀取數(shù)據(jù)集　66

3.3.3　定義模型　67

3.3.4　初始化模型參數(shù)　67

3.3.5　定義損失函數(shù)　68

3.3.6　定義優(yōu)化算法　68

3.3.7　訓(xùn)練　68

3.4　softmax回歸　69

3.4.1　分類問題　69

3.4.2　網(wǎng)絡(luò)架構(gòu)　70

3.4.3　全連接層的參數(shù)開銷　70

3.4.4　softmax運算　71

3.4.5　小批量樣本的向量化　71

3.4.6　損失函數(shù)　72

3.4.7　信息論基礎(chǔ)　73

3.4.8　模型預(yù)測和評估　74

3.5　圖像分類數(shù)據(jù)集　74

3.5.1　讀取數(shù)據(jù)集　75

3.5.2　讀取小批量　76

3.5.3　整合所有組件　76

3.6　softmax回歸的從零開始實現(xiàn)　77

3.6.1　初始化模型參數(shù)　77

3.6.2　定義softmax操作　78

3.6.3　定義模型　78

3.6.4　定義損失函數(shù)　79

3.6.5　分類精度　79

3.6.6　訓(xùn)練　80

3.6.7　預(yù)測　82

3.7　softmax回歸的簡潔實現(xiàn)　83

3.7.1　初始化模型參數(shù)　83

3.7.2　重新審視softmax的實現(xiàn)　84

3.7.3　優(yōu)化算法　84

3.7.4　訓(xùn)練　84

第4章　多層感知機(jī)　86

4.1　多層感知機(jī)　86

4.1.1　隱藏層　86

4.1.2　激活函數(shù)　88

4.2　多層感知機(jī)的從零開始實現(xiàn)　92

4.2.1　初始化模型參數(shù)　92

4.2.2　激活函數(shù)　93

4.2.3　模型　93

4.2.4　損失函數(shù)　93

4.2.5　訓(xùn)練　93

4.3　多層感知機(jī)的簡潔實現(xiàn)　94

模型　94

4.4　模型選擇、欠擬合和過擬合　95

4.4.1　訓(xùn)練誤差和泛化誤差　96

4.4.2　模型選擇　97

4.4.3　欠擬合還是過擬合　98

4.4.4　多項式回歸　99

4.5　權(quán)重衰減　103

4.5.1　范數(shù)與權(quán)重衰減　103

4.5.2　高維線性回歸　104

4.5.3　從零開始實現(xiàn)　104

4.5.4　簡潔實現(xiàn)　106

4.6　暫退法　108

4.6.1　重新審視過擬合　108

4.6.2　擾動的穩(wěn)健性　108

4.6.3　實踐中的暫退法　109

4.6.4　從零開始實現(xiàn)　110

4.6.5　簡潔實現(xiàn)　111

4.7　前向傳播、反向傳播和計算圖　112

4.7.1　前向傳播　113

4.7.2　前向傳播計算圖　113

4.7.3　反向傳播　114

4.7.4　訓(xùn)練神經(jīng)網(wǎng)絡(luò)　115

4.8　數(shù)值穩(wěn)定性和模型初始化　115

4.8.1　梯度消失和梯度爆炸　116

4.8.2　參數(shù)初始化　117

4.9　環(huán)境和分布偏移　119

4.9.1　分布偏移的類型　120

4.9.2　分布偏移示例　121

4.9.3　分布偏移糾正　122

4.9.4　學(xué)習(xí)問題的分類法　125

4.9.5　機(jī)器學(xué)習(xí)中的公平、責(zé)任和透明度　126

4.10　實戰(zhàn)Kaggle比賽：預(yù)測房價　127

4.10.1　下載和緩存數(shù)據(jù)集　127

4.10.2　Kaggle　128

4.10.3　訪問和讀取數(shù)據(jù)集　129

4.10.4　數(shù)據(jù)預(yù)處理　130

4.10.5　訓(xùn)練　131

4.10.6　K折交叉驗證　132

4.10.7　模型選擇　133

4.10.8　提交Kaggle預(yù)測　133

第5章　深度學(xué)習(xí)計算　136

5.1　層和塊　136

5.1.1　自定義塊　138

5.1.2　順序塊　139

5.1.3　在前向傳播函數(shù)中執(zhí)行代碼　139

5.1.4　效率　140

5.2　參數(shù)管理　141

5.2.1　參數(shù)訪問　141

5.2.2　參數(shù)初始化　143

5.2.3　參數(shù)綁定　145

5.3　延后初始化　145

實例化網(wǎng)絡(luò)　146

5.4　自定義層　146

5.4.1　不帶參數(shù)的層　146

5.4.2　帶參數(shù)的層　147

5.5　讀寫文件　148

5.5.1　加載和保存張量　148

5.5.2　加載和保存模型參數(shù)　149

5.6　GPU　150

5.6.1　計算設(shè)備　151

5.6.2　張量與GPU　152

5.6.3　神經(jīng)網(wǎng)絡(luò)與GPU　153

第6章　卷積神經(jīng)網(wǎng)絡(luò)　155

6.1　從全連接層到卷積　155

6.1.1　不變性　156

6.1.2　多層感知機(jī)的限制　157

6.1.3　卷積　158

6.1.4　沃爾多在哪里回顧　158

6.2　圖像卷積　159

6.2.1　互相關(guān)運算　159

6.2.2　卷積層　161

6.2.3　圖像中目標(biāo)的邊緣檢測　161

6.2.4　學(xué)習(xí)卷積核　162

6.2.5　互相關(guān)和卷積　162

6.2.6　特征映射和感受野　163

6.3　填充和步幅　164

6.3.1　填充　164

6.3.2　步幅　165

6.4　多輸入多輸出通道　166

6.4.1　多輸入通道　167

6.4.2　多輸出通道　167

6.4.3　11卷積層　168

6.5　匯聚層　170

6.5.1　最大匯聚和平均匯聚　170

6.5.2　填充和步幅　171

6.5.3　多個通道　172

6.6　卷積神經(jīng)網(wǎng)絡(luò)（LeNet）　173

6.6.1　LeNet　173

6.6.2　模型訓(xùn)練　175

第7章　現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)　178

7.1　深度卷積神經(jīng)網(wǎng)絡(luò)（AlexNet）　178

7.1.1　學(xué)習(xí)表征　179

7.1.2　AlexNet　181

7.1.3　讀取數(shù)據(jù)集　183

7.1.4　訓(xùn)練AlexNet　183

7.2　使用塊的網(wǎng)絡(luò)（VGG）　184

7.2.1　VGG塊　184

7.2.2　VGG網(wǎng)絡(luò)　185

7.2.3　訓(xùn)練模型　186

7.3　網(wǎng)絡(luò)中的網(wǎng)絡(luò)（NiN）　187

7.3.1　NiN塊　187

7.3.2　NiN模型　188

7.3.3　訓(xùn)練模型　189

7.4　含并行連接的網(wǎng)絡(luò)（GoogLeNet）　190

7.4.1　Inception塊　190

7.4.2　GoogLeNet模型　191

7.4.3　訓(xùn)練模型　193

7.5　批量規(guī)范化　194

7.5.1　訓(xùn)練深層網(wǎng)絡(luò)　194

7.5.2　批量規(guī)范化層　195

7.5.3　從零實現(xiàn)　196

7.5.4　使用批量規(guī)范化層的 LeNet　197

7.5.5　簡明實現(xiàn)　198

7.5.6　爭議　198

7.6　殘差網(wǎng)絡(luò)（ResNet）　200

7.6.1　函數(shù)類　200

7.6.2　殘差塊　201

7.6.3　ResNet模型　202

7.6.4　訓(xùn)練模型　204

7.7　稠密連接網(wǎng)絡(luò)（DenseNet）　205

7.7.1　從ResNet到DenseNet　205

7.7.2　稠密塊體　206

7.7.3　過渡層　206

7.7.4　DenseNet模型　207

7.7.5　訓(xùn)練模型　207

第8章　循環(huán)神經(jīng)網(wǎng)絡(luò)　209

8.1　序列模型　209

8.1.1　統(tǒng)計工具　210

8.1.2　訓(xùn)練　212

8.1.3　預(yù)測　213

8.2　文本預(yù)處理　216

8.2.1　讀取數(shù)據(jù)集　216

8.2.2　詞元化　217

8.2.3　詞表　217

8.2.4　整合所有功能　219

8.3　語言模型和數(shù)據(jù)集　219

8.3.1　學(xué)習(xí)語言模型　220

8.3.2　馬爾可夫模型與n元語法　221

8.3.3　自然語言統(tǒng)計　221

8.3.4　讀取長序列數(shù)據(jù)　223

8.4　循環(huán)神經(jīng)網(wǎng)絡(luò)　226

8.4.1　無隱狀態(tài)的神經(jīng)網(wǎng)絡(luò)　227

8.4.2　有隱狀態(tài)的循環(huán)神經(jīng)網(wǎng)絡(luò)　227

8.4.3　基于循環(huán)神經(jīng)網(wǎng)絡(luò)的字符級語言模型　228

8.4.4　困惑度　229

8.5　循環(huán)神經(jīng)網(wǎng)絡(luò)的從零開始實現(xiàn)　230

8.5.1　獨熱編碼　231

8.5.2　初始化模型參數(shù)　231

8.5.3　循環(huán)神經(jīng)網(wǎng)絡(luò)模型　232

8.5.4　預(yù)測　232

8.5.5　梯度截斷　233

8.5.6　訓(xùn)練　234

8.6　循環(huán)神經(jīng)網(wǎng)絡(luò)的簡潔實現(xiàn)　237

8.6.1　定義模型　237

8.6.2　訓(xùn)練與預(yù)測　238

8.7　通過時間反向傳播　239

8.7.1　循環(huán)神經(jīng)網(wǎng)絡(luò)的梯度分析　239

8.7.2　通過時間反向傳播的細(xì)節(jié)　241

第9章　現(xiàn)代循環(huán)神經(jīng)網(wǎng)絡(luò)　244

9.1　門控循環(huán)單元（GRU）　244

9.1.1　門控隱狀態(tài)　245

9.1.2　從零開始實現(xiàn)　247

9.1.3　簡潔實現(xiàn)　248

9.2　長短期記憶網(wǎng)絡(luò)（LSTM）　249

9.2.1　門控記憶元　249

9.2.2　從零開始實現(xiàn)　252

9.2.3　簡潔實現(xiàn)　253

9.3　深度循環(huán)神經(jīng)網(wǎng)絡(luò)　254

9.3.1　函數(shù)依賴關(guān)系　255

9.3.2　簡潔實現(xiàn)　255

9.3.3　訓(xùn)練與預(yù)測　255

9.4　雙向循環(huán)神經(jīng)網(wǎng)絡(luò)　256

9.4.1　隱馬爾可夫模型中的動態(tài)規(guī)劃　256

9.4.2　雙向模型　258

9.4.3　雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的錯誤應(yīng)用　259

9.5　機(jī)器翻譯與數(shù)據(jù)集　260

9.5.1　下載和預(yù)處理數(shù)據(jù)集　261

9.5.2　詞元化　262

9.5.3　詞表　263

9.5.4　加載數(shù)據(jù)集　263

9.5.5　訓(xùn)練模型　264

9.6　編碼器-解碼器架構(gòu)　265

9.6.1　編碼器　265

9.6.2　解碼器　266

9.6.3　合并編碼器和解碼器　266

9.7　序列到序列學(xué)習(xí)（seq2seq）　267

9.7.1　編碼器　268

9.7.2　解碼器　269

9.7.3　損失函數(shù)　270

9.7.4　訓(xùn)練　271

9.7.5　預(yù)測　272

9.7.6　預(yù)測序列的評估　273

9.8　束搜索　275

9.8.1　貪心搜索　275

9.8.2　窮舉搜索　276

9.8.3　束搜索　276

第 10章　注意力機(jī)制　278

10.1　注意力提示　278

10.1.1　生物學(xué)中的注意力提示　279

10.1.2　查詢、鍵和值　280

10.1.3　注意力的可視化　280

10.2　注意力匯聚：Nadaraya-Watson 核回歸　281

10.2.1　生成數(shù)據(jù)集　282

10.2.2　平均匯聚　282

10.2.3　非參數(shù)注意力匯聚　283

10.2.4　帶參數(shù)注意力匯聚　284

10.3　注意力評分函數(shù)　287

10.3.1　掩蔽softmax操作　288

10.3.2　加性注意力　289

10.3.3　縮放點積注意力　290

10.4　Bahdanau 注意力　291

10.4.1　模型　291

10.4.2　定義注意力解碼器　292

10.4.3　訓(xùn)練　293

10.5　多頭注意力　295

10.5.1　模型　295

10.5.2　實現(xiàn)　296

10.6　自注意力和位置編碼　298

10.6.1　自注意力　298

10.6.2　比較卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和自注意力　298

10.6.3　位置編碼　299

10.7　Transformer　302

10.7.1　模型　302

10.7.2　基于位置的前饋網(wǎng)絡(luò)　303

10.7.3　殘差連接和層規(guī)范化　304

10.7.4　編碼器　304

10.7.5　解碼器　305

10.7.6　訓(xùn)練　307

第 11章　優(yōu)化算法　311

11.1　優(yōu)化和深度學(xué)習(xí)　311

11.1.1　優(yōu)化的目標(biāo)　311

11.1.2　深度學(xué)習(xí)中的優(yōu)化挑戰(zhàn)　312

11.2　凸性　315

11.2.1　定義　315

11.2.2　性質(zhì)　317

11.2.3　約束　319

11.3　梯度下降　322

11.3.1　一維梯度下降　322

11.3.2　多元梯度下降　324

11.3.3　自適應(yīng)方法　326

11.4　隨機(jī)梯度下降　329

11.4.1　隨機(jī)梯度更新　329

11.4.2　動態(tài)學(xué)習(xí)率　331

11.4.3　凸目標(biāo)的收斂性分析　332

11.4.4　隨機(jī)梯度和有限樣本　333

11.5　小批量隨機(jī)梯度下降　334

11.5.1　向量化和緩存　335

11.5.2　小批量　336

11.5.3　讀取數(shù)據(jù)集　337

11.5.4　從零開始實現(xiàn)　337

11.5.5　簡潔實現(xiàn)　340

11.6　動量法　341

11.6.1　基礎(chǔ)　341

11.6.2　實際實驗　345

11.6.3　理論分析　346

11.7　AdaGrad算法　348

11.7.1　稀疏特征和學(xué)習(xí)率　348

11.7.2　預(yù)處理　349

11.7.3　算法　350

11.7.4　從零開始實現(xiàn)　351

11.7.5　簡潔實現(xiàn)　352

11.8　RMSProp算法　353

11.8.1　算法　353

11.8.2　從零開始實現(xiàn)　354

11.8.3　簡潔實現(xiàn)　355

11.9　Adadelta算法　356

11.9.1　算法　356

11.9.2　實現(xiàn)　356

11.10　Adam算法　358

11.10.1　算法　358

11.10.2　實現(xiàn)　359

11.10.3　Yogi　360

11.11　學(xué)習(xí)率調(diào)度器　361

11.11.1　一個簡單的問題　361

11.11.2　學(xué)習(xí)率調(diào)度器　363

11.11.3　策略　364

第 12章　計算性能　369

12.1　編譯器和解釋器　369

12.1.1　符號式編程　370

12.1.2　混合式編程　371

12.1.3　Sequential的混合式編程　371

12.2　異步計算　372

通過后端異步處理　373

12.3　自動并行　375

12.3.1　基于GPU的并行計算　375

12.3.2　并行計算與通信　376

12.4　硬件　378

12.4.1　計算機(jī)　378

12.4.2　內(nèi)存　379

12.4.3　存儲器　380

12.4.4　CPU　381

12.4.5　GPU和其他加速卡　383

12.4.6　網(wǎng)絡(luò)和總線　385

12.4.7　更多延遲　386

12.5　多GPU訓(xùn)練　388

12.5.1　問題拆分　388

12.5.2　數(shù)據(jù)并行性　390

12.5.3　簡單網(wǎng)絡(luò)　390

12.5.4　數(shù)據(jù)同步　391

12.5.5　數(shù)據(jù)分發(fā)　392

12.5.6　訓(xùn)練　392

12.6　多GPU的簡潔實現(xiàn)　394

12.6.1　簡單網(wǎng)絡(luò)　394

12.6.2　網(wǎng)絡(luò)初始化　395

12.6.3　訓(xùn)練　395

12.7　參數(shù)服務(wù)器　397

12.7.1　數(shù)據(jù)并行訓(xùn)練　397

12.7.2　環(huán)同步（ring

　　　　synchronization）　399

12.7.3　多機(jī)訓(xùn)練　400

12.7.4　鍵-值存儲　402

第 13章　計算機(jī)視覺　404

13.1　圖像增廣　404

13.1.1　常用的圖像增廣方法　404

13.1.2　使用圖像增廣進(jìn)行訓(xùn)練　408

13.2　微調(diào)　410

13.2.1　步驟　410

13.2.2　熱狗識別　411

13.3　目標(biāo)檢測和邊界框　415

邊界框　415

13.4　錨框　417

13.4.1　生成多個錨框　417

13.4.2　交并比（IoU）　419

13.4.3　在訓(xùn)練數(shù)據(jù)中標(biāo)注錨框　420

13.4.4　使用非極大值抑制預(yù)測

　　　　邊界框　424

13.5　多尺度目標(biāo)檢測　427

13.5.1　多尺度錨框　427

13.5.2　多尺度檢測　429

13.6　目標(biāo)檢測數(shù)據(jù)集　430

13.6.1　下載數(shù)據(jù)集　430

13.6.2　讀取數(shù)據(jù)集　431

13.6.3　演示　432

13.7　單發(fā)多框檢測（SSD）　433

13.7.1　模型　433

13.7.2　訓(xùn)練模型　437

13.7.3　預(yù)測目標(biāo)　439

13.8　區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（R-CNN）系列　441

13.8.1　R-CNN　441

13.8.2　Fast R-CNN　442

13.8.3　Faster R-CNN　443

13.8.4　Mask R-CNN　444

13.9　語義分割和數(shù)據(jù)集　445

13.9.1　圖像分割和實例分割　445

13.9.2　Pascal VOC2012 語義分割數(shù)據(jù)集　446

13.10　轉(zhuǎn)置卷積　450

13.10.1　基本操作　450

13.10.2　填充、步幅和多通道　451

13.10.3　與矩陣變換的聯(lián)系　452

13.11　全卷積網(wǎng)絡(luò)　453

13.11.1　構(gòu)建模型　454

13.11.2　初始化轉(zhuǎn)置卷積層　455

13.11.3　讀取數(shù)據(jù)集　456

13.11.4　訓(xùn)練　456

13.11.5　預(yù)測　457

13.12　風(fēng)格遷移　458

13.12.1　方法　459

13.12.2　閱讀內(nèi)容和風(fēng)格圖像　460

13.12.3　預(yù)處理和后處理　460

13.12.4　提取圖像特征　461

13.12.5　定義損失函數(shù)　461

13.12.6　初始化合成圖像　463

13.12.7　訓(xùn)練模型　463

13.13　實戰(zhàn) Kaggle競賽：圖像分類（CIFAR-10）　464

13.13.1　獲取并組織數(shù)據(jù)集　465

13.13.2　圖像增廣 　467

13.13.3　讀取數(shù)據(jù)集　468

13.13.4　定義模型　468

13.13.5　定義訓(xùn)練函數(shù)　468

13.13.6　訓(xùn)練和驗證模型　469

13.13.7　在Kaggle上對測試集進(jìn)行分類并提交結(jié)果　469

13.14　實戰(zhàn)Kaggle競賽：狗的品種識別（ImageNet Dogs）　470

13.14.1　獲取和整理數(shù)據(jù)集　471

13.14.2　圖像增廣　472

13.14.3　讀取數(shù)據(jù)集　472

13.14.4　微調(diào)預(yù)訓(xùn)練模型　473

13.14.5　定義訓(xùn)練函數(shù)　473

13.14.6　訓(xùn)練和驗證模型　474

13.14.7　對測試集分類并在Kaggle提交結(jié)果　475

第 14章　自然語言處理：預(yù)訓(xùn)練　476

14.1　詞嵌入（word2vec）　477

14.1.1　為何獨熱向量是一個糟糕的選擇　477

14.1.2　自監(jiān)督的word2vec　477

14.1.3　跳元模型　477

14.1.4　連續(xù)詞袋模型　478

14.2　近似訓(xùn)練　480

14.2.1　負(fù)采樣　480

14.2.2　層序softmax　481

14.3　用于預(yù)訓(xùn)練詞嵌入的數(shù)據(jù)集　482

14.3.1　讀取數(shù)據(jù)集　482

14.3.2　下采樣　483

14.3.3　中心詞和上下文詞的提取　484

14.3.4　負(fù)采樣　485

14.3.5　小批量加載訓(xùn)練實例　486

14.3.6　整合代碼　487

14.4　預(yù)訓(xùn)練word2vec　488

14.4.1　跳元模型　488

14.4.2　訓(xùn)練　489

14.4.3　應(yīng)用詞嵌入　491

14.5　全局向量的詞嵌入（GloVe）　491

14.5.1　帶全局語料庫統(tǒng)計的跳元模型　492

14.5.2　GloVe模型　492

14.5.3　從共現(xiàn)概率比值理解GloVe模型　493

14.6　子詞嵌入　494

14.6.1　fastText模型　494

14.6.2　字節(jié)對編碼　495

14.7　詞的相似度和類比任務(wù)　497

14.7.1　加載預(yù)訓(xùn)練詞向量　497

14.7.2　應(yīng)用預(yù)訓(xùn)練詞向量　499

14.8　來自Transformer的雙向編碼器表示（BERT）　500

14.8.1　從上下文無關(guān)到上下文敏感　500

14.8.2　從特定于任務(wù)到不可知任務(wù)　501

14.8.3　BERT：將ELMo與GPT結(jié)合起來　501

14.8.4　輸入表示　502

14.8.5　預(yù)訓(xùn)練任務(wù)　504

14.8.6　整合代碼　506

14.9　用于預(yù)訓(xùn)練BERT的數(shù)據(jù)集　507

14.9.1　為預(yù)訓(xùn)練任務(wù)定義輔助函數(shù)　508

14.9.2　將文本轉(zhuǎn)換為預(yù)訓(xùn)練數(shù)據(jù)集　509

14.10　預(yù)訓(xùn)練BERT　512

14.10.1　預(yù)訓(xùn)練BERT　512

14.10.2　用BERT表示文本　514

第 15章　自然語言處理：應(yīng)用　515

15.1　情感分析及數(shù)據(jù)集　516

15.1.1　讀取數(shù)據(jù)集　516

15.1.2　預(yù)處理數(shù)據(jù)集　517

15.1.3　創(chuàng)建數(shù)據(jù)迭代器　517

15.1.4　整合代碼　518

15.2　情感分析：使用循環(huán)神經(jīng)網(wǎng)絡(luò)　518

15.2.1　使用循環(huán)神經(jīng)網(wǎng)絡(luò)表示單個文本　519

15.2.2　加載預(yù)訓(xùn)練的詞向量　520

15.2.3　訓(xùn)練和評估模型　520

15.3　情感分析：使用卷積神經(jīng)網(wǎng)絡(luò)　521

15.3.1　一維卷積　522

15.3.2　最大時間匯聚層　523

15.3.3　textCNN模型　523

15.4　自然語言推斷與數(shù)據(jù)集　526

15.4.1　自然語言推斷　526

15.4.2　斯坦福自然語言推斷（SNLI）數(shù)據(jù)集　527

15.5　自然語言推斷：使用注意力　530

15.5.1　模型　530

15.5.2　訓(xùn)練和評估模型　533

15.6　針對序列級和詞元級應(yīng)用微調(diào)BERT　535

15.6.1　單文本分類　535

15.6.2　文本對分類或回歸　536

15.6.3　文本標(biāo)注　537

15.6.4　問答　537

15.7　自然語言推斷：微調(diào)BERT　538

15.7.1　加載預(yù)訓(xùn)練的BERT　539

15.7.2　微調(diào)BERT的數(shù)據(jù)集　540

15.7.3　微調(diào)BERT　541

附錄A　深度學(xué)習(xí)工具　543

A.1　使用Jupyter記事本　543

A.1.1　在本地編輯和運行代碼　543

A.1.2　高級選項　545

A.2　使用Amazon SageMaker　546

A.2.1　注冊　547

A.2.2　創(chuàng)建SageMaker實例　547

A.2.3　運行和停止實例　548

A.2.4　更新Notebook　548

A.3　使用Amazon EC2實例　549

A.3.1　創(chuàng)建和運行EC2實例　549

A.3.2　安裝CUDA　553

A.3.3　安裝庫以運行代碼　553

A.3.4　遠(yuǎn)程運行Jupyter記事本　554

A.3.5　關(guān)閉未使用的實例　554

A.4　選擇服務(wù)器和GPU　555

A.4.1　選擇服務(wù)器　555

A.4.2　選擇GPU　556

A.5　為本書做貢獻(xiàn)　558

A.5.1　提交微小更改　558

A.5.2　大量文本或代碼修改　559

A.5.3　提交主要更改　559

參考文獻(xiàn)　562