![Python深度学习 - [美] 弗朗索瓦•肖莱](https://static.book345.com/covers/s/9787115488763.jpg)
书籍介绍
本书由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。
AI导读
核心看点
- Keras之父亲笔，深入浅出讲解深度学习原理。
- 无需深厚数学背景，零基础即可上手实践。
- 涵盖视觉、NLP等应用，附30多个代码示例。
适合谁读
- 具备Python基础，想入门深度学习的初学者。
- 希望用Keras快速构建模型的开发者。
- 对AI感兴趣但畏惧复杂数学公式的读者。
读前提醒
- 建议准备GPU环境，CPU运行示例可能极慢。
- 代码版本较旧，需对照最新版Keras调整语法。
- 部分章节如RNN较难，可结合其他资料辅助。
读者共识
- 公认最友好的深度学习入门书，通俗易懂。
- 作者视角独特，强调直觉理解而非死磕公式。
- 虽代码稍显过时，但核心思想依然极具价值。
本导读基于书籍简介、目录、原文摘录、短评和书评生成，不等同于全文精读。
精彩摘录
- "这就是智能的本质。它能够有效利用你所掌握的信息，从而在面对不断变化且不确定的未来时能够做出成功的行为。笛卡儿所说的“理解”就是这种非凡能力的关键：能够挖掘过去的经验，形成模块化、可重复使用的抽象概念。这些抽象概念可以被快速重新使用，以处理新的情况并实现极端泛化。"
- "其基本思想是：要想在新的表示空间中找到良好的决策超平面，你不需要在新空间中直接计算点的坐标，只需要在新空间中计算点对之间的距离，而利用核函数（kernel function）可以高效地完成这种计算。核函数是一个在计算上能够实现的操作，将原始空间中的任意两点映射为这两点在目标表示空间中的距离，完全避免了对新表示进行直接计算。核函数通常是人为选择的，而不是从数据中学到的——对于SVM来说，只有分割超平面是通过学习得到的。"
- "训练开始时，优化和泛化是相关的：训练数据上的损失越小，测试数据上的损失也越小。这时的模型是欠拟合（underfit）的，即仍有改进的空间，网络还没有对训练数据中所有相关模式建模。但在训练数据上迭代一定次数之后，泛化不再提高，验证指标先是不变，然后开始变差，即模型开始过拟合。这时模型开始学习仅和训练数据有关的模式，但这种模式对新数据来说是错误的或无关紧要的。"
- "总结一下，防止神经网络过拟合的常用方法包括： 获取更多的训练数据 减小网络容量 添加权重正则化 添加dropout"
- "Besides such clear-cut, explicit analogies, we’re constantly making smaller, implicit analogies – every second, with every thought. Analogies are how we navigate life. Going to a new supermarket? You’ll find your way by relating it to similar stores you’ve been to. Talking to someone new? They’ll re"
作者简介
弗朗索瓦··肖莱（François Chollet），Keras 之父，TensorFlow 机器学习框架贡献者，Kaggle 竞赛教练，个人 Kaggle 竞赛全球排名曾获得第17名。目前任职于 Google，从事人工智能研究，尤其关注计算机视觉与机器学习在形式推理方面的应用。
目录
用户评论
要调Keras简单翻了翻，一个数学公式都没有，全是Python代码的naive实现来帮助理解。还成，挺有用。
是也乎,(￣▽￣) 创始人的图书是必须刷的…成功的帮助建立起一个正确的概念…DeepLearning 不是万能的…丫很简单…只是很多…
以及…NVIDIA 的股票能买就买吧…不得不涨的………
深入浅出，通俗易懂
利用张量方式讲解深度学习。深度学习不需要做特征提取。
可以说相当友好了.不过RNN那章原理部分讲得太模糊了，尤其LSTM和GRU，基本一带而过
是TensorFlow官网入门例题的延伸，讲了很多非常有用的调参经验，针对一个问题用不同方法对比效果会有更深的体验
keras之父精心编制的一门python深度学习书，能用代码解决的绝对不写数学公式，全篇竟然没有一个数学公式，关于CNN、RNN、GAN、VAE也各有精彩的应用案例分享全流程。强烈推荐！！！
写的挺好，就是还有点小错误，所以显得不如日本的那个斋藤严谨
一刷结束。
好书，但是目前感觉不是一个完美的入门教程。和斋藤康毅那本书相比，不是那么完美。而且翻译得有点烂……
入门深度学习非常好的图书，翻译也很顺畅，但深度学习的技术更迭实在太快，作为一本2018年的书，已经有部分书中提到的技术被淘汰
你可能会关注的书籍
下载
收藏