文件名称：Deep-Learning-Quick-Reference:深度学习快速参考，由Packt发布
文件大小：17.63MB
文件格式：ZIP
更新时间：2024-06-17 06:28:02
Python
深度学习快速参考 这是发布的《 的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 深度学习已成为进入人工智能世界的必不可少的条件。 有了这本书，深度学习技术将变得更加易于使用，实用且与实践数据科学家相关。 通过实例，它将深度学习从学术界转移到现实世界。 您将学习如何使用Tensor Board来监视深度神经网络的训练，并使用深度学习解决二进制分类问题。 然后，读者将学习在其深度学习模型中优化超参数。 然后，该书将引导读者通过从头开始使用单词嵌入和seq2seq模型训练CNN，RNN和LSTM的实际实现。 后来，该书探讨了诸如Deep Q Network之类的高级主题，以解决自治代理问题，以及如何使用两个对抗网络生成看起来真实的人工图像。 为了实现目的，我们介绍了基于流行的基于Python的深度学习框架，例如Keras和Tensorflow。每一章都提供了最佳实践和
【文件预览】：
Deep-Learning-Quick-Reference-master
----.gitignore(649B)
----Chapter09()
--------data()
--------lstm_model.h5(132B)
--------predict_and_graph.py(2KB)
--------.gitattributes(41B)
--------lstm_bitcoin.py(4KB)
----Chapter13()
--------mnist_gan.py(5KB)
--------cifar_10_gan.py(5KB)
----Chapter10()
--------newsgroup_classifier_word_embeddings.py(6KB)
--------imdb_sentiment.py(3KB)
--------newsgroup_classifier_pretrained_word_embeddings.py(8KB)
----LICENSE(1KB)
----Chapter11()
--------train_char_seq2seq.py(6KB)
--------infer_char_seq2seq.py(3KB)
----Chapter06()
--------mnist_random_search.py(2KB)
--------hyperband-output-mnist.txt(220KB)
--------hyperband.py(3KB)
--------hyperband-output-mnist-resultsonly.txt(34KB)
--------mnist_hyperband_search.py(2KB)
----Chapter08()
--------data_setup.py(2KB)
--------inceptionV3.py(4KB)
----README.md(3KB)
----Chapter12()
--------dqn_lunar_lander_test.py(2KB)
--------dqn_breakout.py(4KB)
--------dqn_breakout_test.py(4KB)
--------dqn_BreakoutDeterministic-v4_weights_1750000.h5f(6.46MB)
--------dqn_cartpole.py(2KB)
--------dqn_lunar_lander.py(2KB)
--------visualize_log.py(2KB)
--------dqn_LunarLander-v2_weights_510000.h5f(32KB)
--------dqn_BreakoutDeterministic-v4_log.json(26KB)
--------dqn_BreakoutDeterministic-v4_weights.h5f(6.46MB)
--------dqn_LunarLander-v2_weights.h5f(32KB)
--------dqn_LunarLander-v2_log.json(2KB)
----Chapter03()
--------.gitignore(20B)
--------data()
--------keras_regression_deeper.py(4KB)
--------keras_regression_deep_broken.py(4KB)
--------.idea()
--------keras_regression.py(3KB)
----Chapter05()
--------multiclass_classifier_l2.py(3KB)
--------multiclass_classifier_dropout.py(3KB)
--------multiclass_classifier.py(3KB)
----Chapter02()
--------.gitignore(20B)
--------data_prep.py(1KB)
--------pred_dist.jpg(47KB)
--------data()
--------keras_regression_deeper.py(3KB)
--------keras_regression.py(3KB)
----.gitattributes(378B)
----Chapter04()
--------data_prep.py(2KB)
--------data()
--------binary_classifier.py(4KB)
--------roc_callback.py(854B)
----Chapter07()
--------cifar10_cnn.py(4KB)
--------cifar10_cnn_image_aug.py(4KB)