书名：深度学习入门与TensorFlow实践
定*：99.9
ISBN：9787**5575333
作者：林炳清
版次：第*版
出版时间：2022-02

内容提要：
本书*先介绍深度学习方面的数学知识与Python基础知识，线性模型中的线性回归模型和logistic模型；然后讲述正向传播算法、反向传播算法及深度*经网络的完整训练流程，输出层的激活函数和隐藏层的常见激活函数，深度学习的过拟合和欠拟合，应对过拟合的方法，以及使用TensorFlow 2建立深度*经网络模型的步骤；接着介绍卷积*经网络及其两个重要的组成*分—卷积和池化，以及如何使用TensorFlow 2建立卷积*经网络；最后讨论如何从零开始实现循环*经网络，如何搭建深度学习框架，如何使用TensorFlow 2建立循环*经网络模型。 本书既可供从事人工智能方面研究的*业人士阅读，也可供计算机*业的师生阅读。



作者简介：
林炳清，毕业于新加坡南洋理工大学，获得统计学博士学位，现为深圳大学数学与统计学院副教授，硕士生导师，主要研究方向为机器学习、数据挖掘、生物信息学，在*内外*期刊发表论文三十余篇，主持并参与多项*家自然科学基金项目。

目录：
目　　录



第　*章 深度学习简介　*
*.*　什么是深度学习　*
*.*.*　机器学习简介　*
*.*.2　深度学习与传统机器学习算法的区别　4
*.*.3　深度学习与人类*经网络的关系　4
*.2　为什么需要学习深度学习　5
*.3　谁需要学习深度学习　6
*.4　学深度学习之后，你可以做什么　6
*.5　本章小结　6
第　2章 数学和Python基础知识　7
2.*　线性代数　7
2.*.*　数、向量、矩阵和张量　7
2.*.2　矩阵的转置　8
2.*.3　矩阵的基本运算　9
2.*.4　向量和矩阵的范数　*0
2.2　微积分　*0
2.2.*　导数的概念　*0
2.2.2　求导法则　**
2.3　概率论　**
2.3.*　随机变量　*2
2.3.2　随机变量的分布　*2
2.3.3　常见的概率分布　*3
2.3.4　条件概率　*4
2.4　Anaconda　*4
2.4.*　安装Anaconda　*4
2.4.2　*的管理　*5
2.4.3　环境的管理　*5
2.5　Jupyter Notebook　*6
2.5.*　安装Jupyter Notebook　*6
2.5.2　打开和关闭Jupyter Notebook　*7
2.5.3　代码框　*8
2.5.4　标记框　*9
2.6　Python　22
2.6.*　Python基础　22
2.6.2　Python基本数据结构　23
2.6.3　控制结构和函数　26
2.6.4　NumPy库　28
2.6.5　Pandas　3*
2.6.6　画图工具　32
2.7　本章小结　35
第3章　线性模型　36
3.*　线性回归模型　36
3.*.*　线性回归模型简介　36
3.*.2　随机梯度下降法　4*
3.*.3　*数据梯度下降法　50
3.*.4　批量随机梯度下降法　56
3.*.5　学习步长　59
3.*.6　标准化和中心化　6*
3.*.7　3种梯度下降法的对比　62
3.2　logistic模型　63
3.2.*　logistic模型简介　63
3.2.2　估计 和　66
3.3　本章小结　70
习题　70
第4章　深度*经网络　72
4.*　为什么需要深度*经网络　72
4.*.*　简单*经网络　72
4.*.2　具有隐藏层的*经网络　78
4.2　正向传播算法　83
4.3　反向传播算法　87
4.4　深度*经网络的完整训练流程　96
4.4.*　随机梯度下降法　96
4.4.2　批量随机梯度下降法　98
4.5　本章小结　*02
习题　*03
第5章　激活函数　*04
5.*　激活函数的基本要求　*04
5.2　输出层的激活函数　*07
5.2.*　因变量为定量数据　*07
5.2.2　因变量为二分类定性数据　*08
5.2.3　因变量为多分类定性数据　*08
5.2.4　识别MNIST数据集中的手写数字　***
5.3　隐藏层的激活函数　**6
5.3.*　sigmoid函数　**6
5.3.2　tanh函数　**8
5.3.3　ReLU函数　**9
5.3.4　Leaky ReLU函数　*2*
5.4　本章小结　*25
习题　*26
第6章　模型评估和正则化　*30
6.*　模型评估　*30
6.2　欠拟合和过拟合　*33
6.3　正则化　*40
6.3.*　早停法　*4*
6.3.2　惩罚法　*4*
6.3.3　丢弃法　*45
6.3.4　增加观测点　*5*
6.4　本章小结　*5*
习题　*52
第7章　基于TensorFlow 2建立深度学习模型　*53
7.*　安装TensorFlow　*54
7.2　TensorFlow 2基本用法　*54
7.2.*　tf.Tensor　*54
7.2.2　TensorFlow 2和NumPy的兼容性　*56
7.3　深度*经网络建模基本步骤　*56
7.3.*　*建模型结构　*57
7.3.2　训练模型　*59
7.3.3　评估和预测模型　*60
7.4　基于TensorFlow 2建立线性回归模型　*6*
7.5　基于TensorFlow 2建立*经网络分类模型　*64
7.5.*　*经网络分类模型　*64
7.5.2　*经网络模型的正则化　*67
7.6　本章小结　*69
习题　*70
第8章　卷积*经网络　*7*
8.*　卷积层　*72
8.*.*　卷积运算　*72
8.*.2　卷积层运算　*73
8.*.3　卷积运算的直观理解　*75
8.*.4　填充　*77
8.*.5　卷积层求导　*78
8.*.6　用Python实现卷积层的计算　*80
8.2　池化层　*83
8.2.*　池化运算　*83
8.2.2　池化层求导　*85
8.2.3　用Python实现池化层的计算　*87
8.3　卷积*经网络　*89
8.4　本章小结　*96
习题　*96
第9章　基于TensorFlow 2搭建卷积*经网络模型　*98
9.*　卷积层和池化层　*99
9.2　CNN实例——MNIST数据集和CIFAR-*0数据集　20*
9.2.*　关于MNIST数据集的实例　20*
9.2.2　关于CIFAR-*0数据集的实例　207
9.3　CNN建模技巧　2*4
9.3.*　卷积*经网络的结构　2*4
9.3.2　卷积层和池化层的*参数选择　2*5
9.3.3　*的卷积*经网络　2*6
9.4　本章小结　2*9
习题　2*9
第　*0章 循环*经网络　22*
*0.*　分析IMDB的数据　22*
*0.*.*　IMDB的数据　22*
*0.*.2　*经网络模型（IMDB）　225
*0.2　词嵌入　229
*0.3　循环*经网络　23*
*0.4　从零开始实现循环*经网络　236
*0.4.*　莎士比亚作品应用示例　236
*0.4.2　正向传播算法　239
*0.4.3　反向传播算法　24*
*0.5　本章小结　246
习题　247
第　**章 搭建深度学习框架　248
**.*　类Tensor和自动求导　248
**.*.*　类　248
**.*.2　类Tensor　250
**.*.3　自动求导　25*
**.2　为Tensor类添加运算函数并建立*经网络模型　258
**.2.*　为Tensor类添加运算函数　258
**.2.2　使用Tensor类建立*经网络模型　264
**.3　类SGD、类Layer和激活函数　266
**.3.*　类SGD　266
**.3.2　类Layer　267
**.3.3　激活函数　270
**.4　词嵌入和循环*经网络　278
**.4.*　词嵌入　278
**.4.2　循环*经网络　285
**.5　本章小结　29*
习题　29*
第　*2章 长短期记忆模型与门控循环单元模型　292
*2.*　简单循环*经网络的主要缺陷　292
*2.2　长短期记忆模型　298
*2.2.*　LSTM模型的核心思想　299
*2.2.2　详解LSTM模型　299
*2.2.3　实现LSTM模型　30*
*2.3　门控循环单元模型　306
*2.3.*　详解GRU模型　307
*2.3.2　实现GRU模型　308
*2.4　本章小结　3**
习题　3**
第　*3章 基于TensorFlow 2搭建循环*经网络模型　3*2
*3.*　建立LSTM模型　3*2
*3.*.*　预处理数据　3*3
*3.*.2　基于TensorFlow建立LSTM模型　3*5
*3.2　基于TensorFlow建立GRU模型　3*6
*3.3　本章小结　325
习题　326