《python深度学习》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,包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例,步骤讲解详细透彻。

作者在github公布了代码,代码几乎囊括了本书所有知识点。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。但是有一个小小的遗憾:代码的解释和注释是全英文的,即使英文水平较好的朋友看起来也很吃力。

本站认为,这本书和代码是初学者入门深度学习及Keras最好的工具。

本站对全部代码做了中文解释和注释,并下载了代码所需要的一些数据集(尤其是“猫狗大战”数据集),并对其中一些图像进行了本地化,代码全部测试通过。(请按照文件顺序运行,代码前后有部分关联)。

以下代码包含了全书80%左右的知识点,

代码目录:

2.1: A first look at a neural network( 初识神经网络)

3.5: Classifying movie reviews(电影评论分类:二分类问题)

3.6: Classifying newswires(新闻分类:多分类问题 )

3.7: Predicting house prices(预测房价:回归问题)

4.4: Underfitting and overfitting( 过拟合与欠拟合)

5.1: Introduction to convnets(卷积神经网络简介)

5.2: Using convnets with small datasets(在小型数据集上从头开始训练一个卷积

5.3: Using a pre-trained convnet(使用预训练的卷积神经网络)

5.4: Visualizing what convnets learn(卷积神经网络的可视化)

6.1: One-hot encoding of words or characters(单词和字符的 one-hot 编码)

6.1: Using word embeddings(使用词嵌入)

6.2: Understanding RNNs(理解循环神经网络)

6.3: Advanced usage of RNNs(循环神经网络的高级用法)

6.4: Sequence processing with convnets(用卷积神经网络处理序列)

8.1: Text generation with LSTM(使用 LSTM 生成文本)

8.2: Deep dream(DeepDream)

8.3: Neural style transfer( 神经风格迁移)

8.4: Generating images with VAEs(用变分自编码器生成图像)

8.5: Introduction to GANs(生成式对抗网络简介)