深度學習從0到1讀書筆記模板01思維導圖目錄分析讀書筆記內容摘要作者介紹精彩摘錄目錄0305020406思維導圖深度深度神經網絡方向算法發展模型參考文獻神經網絡項目第章函數數據應用介紹學習分類深度網絡本書關鍵字分析思維導圖內容摘要內容摘要深度學習是人工智能研究領域中的一個極其重要的方向。本書是一本介紹深度學習理論和實戰應用的教程，從深度學習的發展歷史，單層感知器，線性神經網絡，BP神經網絡，一直介紹到深度學習算法卷積神經網絡CNN，長短時記憶網絡LSTM。并從圖像，自然語言處理，音頻信號三方面分別介紹了深度學習算法的實際應用。案例實戰部分使用的深度學習框架為Tensorflow2/Keras。目錄分析1.1人工智能1.2機器學習1.3人工智能、機器學習、神經網絡及深度學習之間的關系1.4深度學習的應用1.5神經網絡和深度學習的發展史12345第1章深度學習背景介紹1.6深度學習領域中的重要人物1.8參考文獻1.7新一輪人工智能爆發的三要素第1章深度學習背景介紹2.1Python介紹2.3JupyterNotebook的簡單使用2.2Anaconda安裝第2章搭建Python編程環境3.1生物神經網絡3.2單層感知器3.3單層感知器的學習規則3.4學習率第3章單層感知器與線性神經網絡3.5模型的收斂條件3.6模型的超參數和參數的區別3.7單層感知器分類案例3.8線性神經網絡3.9線性神經網絡處理異或問題12345第3章單層感知器與線性神經網絡4.1BP神經網絡介紹及發展背景4.2代價函數4.3梯度下降法4.4Delta學習規則4.5常用激活函數講解4.6BP神經網絡模型和公式推導010302040506第4章BP神經網絡4.7BP算法推導結論總結4.8梯度消失與梯度爆炸4.9使用BP神經網絡解決異或問題4.10分類模型評估方法4.11獨熱編碼4.12BP神經網絡完成手寫數字識別010302040506第4章BP神經網絡4.14參考文獻4.13Sklearn手寫數字識別第4章BP神經網絡5.1Tensorflow介紹5.2Tensorflow-cpu安裝5.3Tensorflow-gpu安裝5.4Tensorflow基本概念第5章深度學習框架Tensorflow基礎使用5.6手寫數字圖片分類任務5.5Tensorflow基礎使用第5章深度學習框架Tensorflow基礎使用6.1交叉熵代價函數6.2過擬合6.3數據增強6.4提前停止訓練6.5Dropout12345第6章網絡優化方法6.6正則化6.7標簽平滑6.8優化器6.9參考文獻第6章網絡優化方法7.1Keras模型保存和載入7.2SavedModel模型保存和載入7.3單獨保存模型的結構7.4單獨保存模型參數第7章Tensorflow模型的保存和載入7.6Checkpoint模型保存和載入7.5ModelCheckpoint自動保存模型第7章Tensorflow模型的保存和載入8.1計算機視覺介紹8.2卷積神經網簡介8.3卷積的具體計算8.4卷積的步長8.5不同的卷積核12345第8章卷積神經網絡（CNN）8.6池化8.7Padding8.8常見的卷積計算總結8.9經典的卷積神經網絡8.10卷積神經網絡應用于MNIST數據集分類12345第8章卷積神經網絡（CNN）8.11識別自己寫的數字圖片8.13參考文獻8.12CIFAR-10數據集分類第8章卷積神經網絡（CNN）9.1序列模型應用9.2循環神經網絡（RNN）9.3RNN的不同架構9.4傳統RNN的缺點9.5長短時記憶網絡（LSTM）9.6PeepholeLSTM和FC-LSTM010302040506第9章序列模型9.7其他RNN模型9.9參考文獻9.8LSTM網絡應用于MNIST數據集分類第9章序列模型10.1圖像數據集10.2AlexNet10.3VGGNet10.4GoogleNet10.5BatchNormalization12345第10章經典圖像識別模型介紹（上）10.7參考文獻10.6ResNet第10章經典圖像識別模型介紹（上）11.1Inception模型系列11.2ResNeXt11.3SENet11.4參考文獻第11章經典圖像識別模型介紹（下）12.1圖像數據準備12.2AlexNet圖像識別12.3VGGNet圖像識別12.4函數式模型12.5模型可視化12345第12章圖像識別項目實戰12.6GoogleNet圖像識別12.7BatchNormalization使用12.8ResNet圖像識別12.9ResNeXt圖像識別12.10SENet圖像識別12.11使用預訓練模型進行遷移學習010302040506第12章圖像識別項目實戰13.1多任務學習介紹13.2驗證碼數據集生成介紹13.4使用自定義數據生成器完成驗證碼識別第13章驗證碼識別項目實戰13.6CTC算法13.5挑戰變長驗證碼識別第13章驗證碼識別項目實戰14.1NLP應用介紹14.2從傳統語言模型到神經語言模型14.3word2vec14.4CNN在NLP領域中的應用第14章自然語言處理（NLP）發展歷程（上）14.5RNN在NLP領域中的應用14.6Seq2Seq模型在NLP領域中的應用14.7Attention機制14.8參考文獻第14章自然語言處理（NLP）發展歷程（上）15.1NLP新的開始：Transformer模型15.3參考文獻15.2BERT模型第15章自然語言處理（NLP）發展歷程（下）16.1一維卷積英語電影評論情感分類項目16.2二維卷積中文**情感分類項目16.3雙向LSTM中文**情感分類項目16.4堆疊雙向LSTM中文分詞標注項目16.5最新的一些激活函數介紹16.6BERT模型的簡單使用010302040506第16章NLP任務項目實戰16.8參考文獻16.7BERT電商用戶多情緒判斷項目第16章NLP任務項目實戰17.1深度學習在聲音領域的應用17.3語音分類項目17.2MFCC和MelFilterBanks第17章音頻信號處理18.2圖像風格轉換項目實戰18.1圖像風格轉換實現原理第18章圖像風格轉換18.4參考文獻18.3遮擋圖像風格轉換項目實戰第18章圖像風格轉換19.1生成對抗網絡的應用19.2DCGAN介紹19.3手寫數字圖像生成19.4參考文獻第19章生成對抗網絡20.2運行客戶端和服務器程序20.1Tensorflo