Прикладное глубокое обучение
Подход к пониманию глубоких нейронных сетей на основе метода кейсов.
Микелуччи У. «Прикладное глубокое обучение» БХВ-Петербург, 2020 год, 368 стр., ISBN 978-5-9775-4118-3; (PDF)
Описание книги.
Затронуты расширенные темы глубокого обучения: оптимизационные алгоритмы, настройка гиперпараметров, отсев и анализ ошибок, стратегии решения типичных задач во время тренировки глубоких нейронных сетей. Описаны простые активационные функции с единственным нейроном (ReLu, сигмоида и Swish), линейная и логистическая регрессии, библиотека TensorFlow, выбор стоимостной функции, а также более сложные нейросетевые архитектуры с многочисленными слоями и нейронами.
Показана отладка и оптимизация расширенных методов отсева и регуляризации, настройка проектов машинного обучения, ориентированных на глубокое обучение с использованием сложных наборов данных. Приведены результаты анализа ошибок нейронной сети с примерами решения проблем, возни кающих из-за дисперсии, смещения, переподгонки или разрозненных наборов данных. По каждому техническому решению даны примеры решения практических задач.
Оглавление.
- Глава 1. Вычислительные rрафы и TensorFlow
- Глава 2. Один единственный нейрон
- Глава 3. Нейронные сети прямого распространения
- Глава 4. Тренировка нейронных сетей
- Глава 5. Регуляризация
- Глава 6. Метрический анализ
- Глава 7. Гиперпараметрическая настройка
- Глава 8. Сверточные и рекуррентные нейронные сети
- Глава 9. Исследовательский проект
- Глава 10. Логистическая регрессия с нуля
- Предметный указатель
Добавить комментарий