Maht 296 lehekülgi
2017 aasta
Библиотека Keras – инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow
Raamatust
Книга представляет собой краткое, но обстоятельное введение в современные нейронные сети, искусственный интеллект и технологии глубокого обучения. В ней представлено более 20 работоспособных нейронных сетей, написанных на языке Python с использованием модульной библиотеки Keras, работающей поверх библиотек TensorFlow от Google или Theano от компании Lisa Lab. Описан функциональный API библиотеки Keras и возможности его расширения. Рассмотрены алгоритмы обучения с учителем (простая линейная регрессия, классический многослойный перцептрон, глубокие сверточные сети), а также алгоритмы обучения без учителя – автокодировщики и порождающие сети. Дано введение в технологию глубокого обучения с подкреплением и ее применение к построению игр со встроенным искусственным интеллектом.
Издание предназначено для программистов и специалистов по анализу и обработке данных.
Теоретическая часть объяснена очень плохо, потому новичкам не рекомендуется к прочтению, ибо только запутает их.
Может оказаться полезной как сборник практических советов и идей для экспериментов.
Имеется большое количество опечаток (особенно в коде) – отсутствуют переносы строк там, где они важны.
Однако, при всех недостатках нельзя книгу назвать совсем уж негодной, но устареет она скорее всего очень быстро.
Все примеры из готовых встроенных наборов данных. Захотите свое и встрянете. Между такими образцами небо и земля. А как сохранить и как дальше использовать сеть-все это очень важно, но вы этого не узнаете. Возьмите лучше книгу от автора Keras Франсуа.
Читатель может найти все основные концепции машинного обучения (обучение с учителем и без, обучение с подкреплением, генеративные сети). Описаны множество трюков при работе с нейронными сетями. При этом надстройка Keras позволяет довольно легко все эти трюки реализовывать. Перечитывая книгу несколько раз, каждый раз опять находишь что-то полезное.
В книге приведены как базовые примеры для решения задач классификации и регрессии, так и более сложные – для распознавания изображений свёрточными сетями, генерации аудио, классификации текстов с использованием эмбеддингов, предсказания временных рядов, использования автоэнкодеров и обучения с подкреплением.
Книга позволяет на большом количестве примеров быстро освоить Keras. Материал изложен очень простым языком, но, возможно, не хватает глубины по самой теории нейронных сетей. Для быстрого старта – самое то.
Ülevaated, 5 ülevaadet5