深度学习：卷积神经网络技术与实践

深度学习：卷积神经网络技术与实践读书笔记模板01思维导图目录分析读书笔记内容摘要作者介绍精彩摘录目录0305020406思维导图技术深度深度基础卷积讲解神经网络理论神经网络算法基础深度数据卷积函数循环网络思考过程本书关键字分析思维导图内容摘要内容摘要本书共11章，主要内容包括深度学习简介、Python基础、神经网络基础、卷积神经网络、经典卷积网络结构、迁移学习、循环神经网络、强化学习、深度强化学习、基于策略的算法更新与趋势等，通过具体案例，将Python语言、深度学习思想、强化学习思想和实际工程完美地结合起来。本书由浅入深，从易到难，各章节既相对独立又前后关联，其最大的特点就是打破了传统书籍的讲解方法，在介绍各部分理论基础的同时，搭配具体实例，通过对相关程序的详细讲解进一步加深对理论基础的理解。目录分析1.1机器学习与深度学习1.3环境搭建1.2TensorFlow概述第1章深度学习简介2.1数据类型2.2变量与常量2.3运算符2.4选择与循环第2章Python基础2.5列表与元组2.6字典2.7函数2.8面向对象编程2.9思考与练习12345第2章Python基础3.1单层神经网络3.2多层神经网络3.3激活函数3.4神经网络工作过程第3章神经网络基础3.5损失函数3.6优化算法3.7反向传播3.8泛化能力第3章神经网络基础3.9多层感知器3.10MNIST数据集3.11Keras实现感知器的手写体识别3.12思考与练习第3章神经网络基础4.1卷积神经网络结构及原理4.2卷积神经网络工作过程4.3简单卷积神经网络实现MNIST分类4.4CIFAR-10数据集第4章卷积神经网络4.6思考与练习4.5简单卷积神经网络实现CIFAR-10分类第4章卷积神经网络5.1LeNet概述5.3AlexNet概述5.2LeNet实现MNIST分类第5章经典卷积网络结构5.4AlexNet实现MNIST分类5.5VGG16概述5.6VGG16实现MNIST分类5.7思考与练习第5章经典卷积网络结构6.1GoogLeNet概述6.3ResNet概述6.2GoogLeNet实现MNIST分类第6章经典卷积网络结构进阶6.5思考与练习6.4ResNet50实现MNIST分类第6章经典卷积网络结构进阶7.1基于卷积网络实现迁移学习7.2InceptionV3实现迁移学习7.3Xception实现迁移学习7.4MobileNet实现迁移学习第7章迁移学习7.6思考与练习7.5简单卷积网络实现迁移学习第7章迁移学习8.1循环神经网络概述8.3Reuters数据集8.2长短期记忆网络第8章循环神经网络8.4简单RNN实现Reuters分类8.6思考与练习8.5LSTM实现Reuters分类第8章循环神经网络9.1初识强化学习9.2强化学习理论基础9.3求解强化学习——有模型9.4求解强化学习——无模型9.5思考与练习12345第9章强化学习10.1深度强化学习框架10.3Gym的安装及使用10.2TensorFlow编程第10章深度强化学习10.5思考与练习10.4基于值的算法更新第10章深度强化学习11.1策略梯度法11.3优势演员–评论家算法11.2演员–评论家算法第11章基于策略的算法更新与趋势11.4异步优势演员–评论家算法11.6思考与练习11.5深度强化学习的发展趋势第11章基于策略的算法更新与趋势作者介绍同名作者介绍这是《深度学习：卷积神经网络技术与实践》的读书笔记模板，暂无该书作者的介绍。读书笔记读书笔记这是《深度学习：卷积神经