深度学习入门——基于Python的实现（基于Python的数据分析丛书)

*部分 Python 基础
第 1 章 Python 基础
1.1引 言
1.2 安 装
1.3 基本模块的编程
1.4 NumPy 模块
1.5 Pandas 模块
1.6 Matplotlib 模块
1.7 Python 的类——面向对象编程简介
1.8 习 题
第二部分 神经网络基础及逐步深化
第 2 章 从*简单的神经网络说起
2.1 纪元和批次
2.2 神经网络回归
2.3 神经网络分类
第 3 章 有隐藏层的神经网络
3.1 一个隐藏层的神经网络
3.2 多个隐藏层的神经网络
3.3 通过 PyTorch 实现神经网络初等计算
第三部分 深度学习的 PyTorch 实现
第 4 章 神经网络的 PyTorch 逐步深化
4.1 简单的人造数据回归
4.2 MNIST 手写数字数据神经网络案例
4.3 卷积神经网络
4.4 MNIST 手 写 数 字 数 据 ( 续): CNN
4.5 CIFAR10 数据图像 CNN 案例·
第 5 章 递归神经网络
5.1 递归神经网络简介
5.2 长短期记忆网络 (LSTM)
5.3 LSTM 预测句子的例子
5.4 门控递归网络 (GRU)
5.5 数 据 MNIST 手 写 数 字 数 据 的GRU 分类例子
5.6 GRU 处理时间序列的例子
第 6 章 PyTorch 文本数据分析
6.1 一个简单的文本分类例子
6.2 序列到序列模型 (seq2seq)
6.3 剖析一个著名 seq2seq 案例
第 7 章 用于自然语言处理的变换器
7.1 变换器的原理
7.2 预训练模块Transformers·
7.3 seq2seq 变换器示范代码
第 8 章 现代 Hopfifield 网络
8.1 概论
8.2 传统的 Hopfifield 网络
8.3 现代 Hopfifield 网络
8.4 现代 Hopfifield 网络例子
第四部分 深度学习的 TensorFlow 实现
第 9 章 通过例子进入 TensorFlow
9.1 分类例子: 皮肤病
9.2 回归例子
9.3 不平衡数据分类例子
第 10 章 TensorFlow 案例
10.1 102 种花卉 CNN 分类例子
10.2 通过 RNN 生成文本例子
10.3 IMDB 数据文本情感分析案例
10.4 IMDB 数据的变换器示范代码
10.5 图像分割案例