Шаблоны и практика глубокого обучения

Содержание книги "Шаблоны и практика глубокого обучения "

Предисловие
Признательности
Об этой книге
Об авторе
Об иллюстрации на обложке
Часть I ОСНОВЫ МАШИННОГО ОБУЧЕНИЯ
1. Конструирование современного машинного обучения
1.1 Курс на адаптируемость
1.2 Эволюция подходов, основанных на машинном обучении
1.3 Выгоды от шаблонов конструирования
Резюме
2. Глубокие нейронные сети
2.1 Основы нейронных сетей
2.2 Двоичный классификатор в форме глубокой нейронной сети
2.3 Мультиклассовый классификатор в форме глубокой нейронной сети
2.4 Мультиметочный мультиклассовый классификатор в форме глубокой нейронной сети
2.5 Простой классификатор изображений
Резюме
3. Сверточная и остаточная нейронные сети
3.1 Сверточные нейронные сети
3.2 Конструкция в форме ConvNet для сверточной нейросети
3.3 Сети в форме VGG
3.4 Сети в форме ResNet
Резюме
4. Основы процесса тренировки
4.1 Прямая подача и обратное распространение
4.2 Разбивка набора данных
4.3 Нормализация данных
4.4 Валидация и переподгонка
4.5 Схождение
4.6 Фиксация контрольных точек и ранняя остановка
4.7 Гиперпараметры
4.8 Инвариантность
4.9 Сырые (дисковые) наборы данных
4.10 Сохранение/восстановление модели
Резюме
Часть II БАЗОВЫЙ ШАБЛОН КОНСТРУИРОВАНИЯ
5. Шаблон процедурного конструирования
5.1 Базовая нейросетевая архитектура
5.2 Стержневой компонент
5.3 Предстержень
5.4 Ученический компонент
5.5 Задачный компонент
5.6 За пределами компьютерного зрения: обработка естественного языка
Резюме
6. Широкие сверточные нейронные сети
6.1 Inception v1
6.2 Inception v2: разложение сверток
6.3 Inception v3: модернизация архитектуры
6.4 ResNeXt: широкие остаточные нейронные сети
6.5 Широкая остаточная сеть
6.6 За пределами компьютерного зрения: структурированные данные
Резюме
7. Альтернативные шаблоны связности
7.1 DenseNet: плотносвязанная сверточная нейронная сеть
7.2 Xception: экстремальное начало
7.3 SE-Net: сдавливание и возбуждение
Резюме
8. Мобильные сверточные нейронные сети
8.1 MobileNet v1
8.2 MobileNet v2
8.3 SqueezeNet
8.4 ShuffleNet v1
8.5 Развертывание
Резюме
9. Автокодировщики
9.1 Глубокие нейросетевые автокодировщики
9.2 Сверточные автокодировщики
9.3 Разреженные автокодировщики
9.4 Автокодировщики для устранения шума
9.5 Сверхразрешающая способность
9.6 Предлоговые задачи
9.7 За пределами компьютерного зрения : последовательность к последовательности
Резюме
Часть III РАБОТА С КОНВЕЙЕРАМИ
10. Гиперпараметрическая настройка
10.1 Инициализация весов
10.2 Основы гиперпараметрического поиска
10.3 Планировщик скорости усвоения
10.4 Регуляризация
10.5 За пределами компьютерного зрения
Резюме
11. Перенос обучения
11.1 Предварительно построенные модели TF.Keras
11.2 Предварительно построенные модели TF Hub
11.3 Перенос обучения между предметными областями
11.4 За пределами компьютерного зрения
Резюме
12. Распределения данных
12.1 Типы распределений
12.2 Вне распространения
Резюме
13. Конвейер данных
13.1 Форматы и хранение данных
13.2 Подача данных
13.3 Предобработка данных
13.4 Обогащение данных
Резюме
14. Конвейер тренировки и развертывания
14.1 Подача данных в модель
14.2 Планировщики тренировки
14.3 Оценивание моделей
14.4 Обслуживание предсказательных запросов
14.5 Эволюция в конструировании производственных конвейеров
Резюме
Предметный указатель