第1章 人工智能、机器学习与深度学习简介
1.1 人工智能、机器学习、深度学习的关系
1.2 机器学习介绍
1.3 机器学习分类
1.4 深度学习简介
1.5 结论
第2章 深度学习的原理
2.1 神经传导的原理
2.2 以矩阵运算仿真神经网络
2.3 多层感知器模型
2.4 使用反向传播算法进行训练
2.5 结论
第3章 TensorFlow与Keras介绍
3.1 TensorFlow架构图
3.2 TensorFlow简介
3.3 TensorFlow程序设计模式
3.4 Keras介绍
3.5 Keras程序设计模式
3.6 Keras与TensorFlow比较
3.7 结论
第4章 在Windows中安装TensorFlow与Keras
4.1 安装Anacinda
4.2 启动命令提示符
4.3 建立TensorFlow的Anaconda虚拟环境
4.4 在Anaconda虚拟环境安装TensorFlow与Keras
4.5 启动Jupyter Notebook
4.6 结论
第5章 在Linux Ubuntu中安装TensorFlow与Keras
5.1 安装Anaconda
5.2 安装TensorFlow与Keras
5.3 启动Jupyter Notebook
5.4 结论
第6章 Keras MNIST手写数字识别数据集
6.1 下载MNIST数据
6.2 查看训练数据
6.3 查看多项训练数据images与label
6.4 多层感知器模型数据预处理
6.5 features数据预处理
6.6 label数据预处理
6.7 结论
第7章 Keras多层感知器识别手写数字
7.1 Keras多元感知器识别MNIST手写数字图像的介绍
7.2 进行数据预处理
7.3 建立模型
7.4 进行训练
7.5 以测试数据评估模型准确率
7.6 进行预测
7.7 显示混淆矩阵
7.8 隐藏层增加为1000个神经元
7.9 多层感知器加入DropOut功能以避免过度拟合
......
评论晒单