深度学习是机器学习的重要分支。本书系统地介绍了如何用Python和NumPy实现的算法一步一步地实现深度学习的基础模型,而无须借助TensorFlow、PyTorch等深度学习框架,从而能帮助读者更好地理解底层算法的脉络,进而进行模型的定制、优化和改进。全书内容设计可帮助读者零起点通关神经网络,由简到难地讲述感知机模型、多分类神经网络、深层全连接网络、卷积神经网络、批量归范化方法、序列模型、循环神经网络、长短时记忆网络、双向结构的BiGRU模型、序列模型等神经网络模型的算法推导、实现及其实例,可直接动手调试和观察整个训练过程,进一步理解模型及其算法原理。
数据、算力和算法是人工智能的三大基石,而我们可控、可学且能够学会的就是算法,本书即是一本帮助你入门深度学习算法的教程,专治各种看不懂、专治框架版本升级外加弃用!用Python给深度学习算法加点料!
本书系统地介绍了如何用 Python 和 NumPy 一步步地实现深度学习的基础模型:
感知机模型
多分类神经网络
深层全连接网络
卷积神经网络
批量规范化方法
循环神经网络
长短时记忆网络
双向结构的 BiGRU 模型