![基于Theano的深度学习：构建未来与当前的人工大脑<strong>[DeepLearningwithTheano:Buildtheartificialbr]</strong>](/upload/programming/thumb/thumb_395452644.jpg "基于Theano的深度学习：构建未来与当前的人工大脑<strong>[DeepLearningwithTheano:Buildtheartificialbr]</strong>")
基于Theano的深度学习：构建未来与当前的人工大脑[DeepLearningwithTheano:Buildtheartificialbr]
编辑推荐
《基于Theano的深度学习：构建未来与当前的人工大脑》对基于Theano的深度学习进行了完整叙述，Theano是一个能够在CPU或GPU上便于优化数值表示和深度学习模型的Python库。 《基于Theano的深度学习：构建未来与当前的人工大脑》提供了一些实用代码示例，有助于初学者易于理解如何构建复杂神经网络，而对于有经验的数据分析师会更关注书中的相关内容，解决图像识别、自然语言处理和博弈决策领域的监督式学习和非监督式学习、生成模型和强化学习。 《基于Theano的深度学习：构建未来与当前的人工大脑》还讨论了从简单数字识别、图像分类、目标定位、图像分割到图像字幕的图像识别任务，自然语言处理示例包括文本生成、聊天机器人、机器翻译和机器问答系统。其中，后一个示例是处理貌似真实的随机数据生成并解决如Open-AI生态的博弈问题。 后，本书总结了针对每项任务的佳性能网络。早期的研究成果主要是基于神经层的深度堆栈，尤其是卷积层，而本书给出了提高这些架构效率的原理，以帮助读者构建新的个性化神经网络。 《基于Theano的深度学习：构建未来与当前的人工大脑》 阅读本书将会学到的内容： ?熟悉Theano和深度学习的概念； ?给出监督式、非监督式、生成或强化学习的示例； ?揭示设计高效深度学习网络的主要原则：卷积、残差连接和递归连接； ?Theano在实际计算机视觉数据集中的应用，如数字分类和图像分类； ?将Theano扩展到自然语言处理任务，如聊天机器人或机器翻译； ?人工智能驱动策略以使得机器人能够解决博弈问题或从环境中学习； ?基于生成模型生成真实的合成数据； ?熟悉应用于Theano上层的两个框架：Lasagne和Keras。 关注“科技电眼”微信号，回复“58878”可直接获取下载地址。
内容简介
《基于Theano的深度学习：构建未来与当前的人工大脑》主要介绍了深度学习的基本概念和常用网络以及Theano在深度学习中的应用。共13章，首先介绍了Theano的基础知识，包括张量、计算图、符号计算、张量算子、自动微分等概念，然后分别介绍了基于前馈神经网络的手写体数字分类、单词的向量编码、基于递归神经网络的文本生成、基于双向LSTM的情感分析、基于空间变换网络的定位、基于剩余网络的图像分类、基于编码—解码网络的翻译与解释、基于注意力机制的相关输入或记忆选择、基于先进递归神经网络的时间序列预测、强化环境学习和基于非监督式网络的特征学习等内容，后介绍了Theano在深度学习中的扩展可能性。
作者简介
Christopher Bourez于2005年毕业于巴黎综合理工大学和卡尚高等师范学院，获得数学、机器学习和计算机视觉（MVA）的硕士学位。 7年来，他创立了一家计算机视觉公司，在 2007年推出了一种用于iPhone的视觉识别应用程序Pixee，与巴黎市的各大影院品牌和一些主要票务经销商合作：通过一张照片，用户可以获取有关活动、产品和购票方式等信息。 在应用Caffe、TensorFlow或 Torch来完成计算机视觉任务的过程中，通过计算机科学的博客，帮助其他开发人员成功实现。其中一篇博客文章 —“A tutorial on the Caffe deep learning technology”（基于 Caffe的深度学习技术教程），已成为继 Caffe官方网站之后在网络上受欢迎的教程。 在Packt出版社的积极倡导下，将其撰写Caffe教程的成功经验移植到关于 Theano技术的本书上。与此同时，还深入研究了有关深度学习的广泛问题，并在 Theano及其应用方面积累了更多的实践经验。
在线客服