bookmate game
Шолле Ф.

Глубокое обучение на Python

Уведоми ме, когато книгата е добавена
За да прочете тази книга, качете я във формат EPUB или FB2 в Bookmate. Как се качва книга?
Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей. Книга делится на две части, в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике. «Обучение — это путешествие длинной в жизнь, особенно в области искусственного интеллекта, где неизвестностей гораздо больше, чем определенности.» Франсуа Шолле
Тази книга не е налична в момента
743 печатни страници
Вече чели ли сте я? Какво мислите за нея?
👍👎

Впечатления

  • Андрейсподели впечатлениепреди 4 години
    👍Струва си да се прочете
    💡Научих много
    🎯Струва си

Цитати

  • Kirill Kruglikovцитирапреди 4 години
    Этот вопрос открыл двери в новую парадигму программирования. В классическом программировании, в парадигме символического ИИ, люди вводят правила (программу) и данные для обработки в соответствии с этими правилами и получают ответы (рис. 1.2). В машинном обучении люди вводят данные и ответы, соответствующие этим данным, а на выходе получают правила. Эти правила затем можно применить к новым данным для получения оригинальных ответов.
  • Андрейцитирапреди 5 години
    Вообще говоря, чем меньше обучающих данных, тем скорее наступит переобучение, а использование маленькой сети — один из способов борьбы с ним.
  • Андрейцитирапреди 5 години
    С целочисленными метками следует использовать функцию sparse_categorical_crossentropy:
    model.compile(optimizer='rmsprop',
    loss='sparse_categorical_crossentropy',
    metrics=['acc'])

На лавиците

  • kostalgin
    Python
    • 12
    • 8
  • Kirill Kruglikov
    Data science
    • 15
  • Sergey Krasilich
    Python
    • 3
  • Виталик Прахов
    Depp learning
    • 1
fb2epub
Плъзнете и пуснете файловете си (не повече от 5 наведнъж)