Applied Deep Learning

使用深度学习中的高级主题，例如优化算法，超参数调整，丢失和错误分析，以及解决训练深度神经网络时遇到的典型问题的策略。您将首先研究激活函数，主要是使用单个神经元（ReLu，Sigmoid和Swish），了解如何使用TensorFlow执行线性和逻辑回归，并选择正确的成本函数。 下一节将讨论具有多个层和神经元的更复杂的神经网络架构，并探讨权重随机初始化的问题。整章专门介绍神经网络误差分析的完整概述，给出了解决来自不同分布的方差，偏差，过度拟合和数据集的问题的示例。 Applied Deep Learning还讨论了如何在不使用除NumPy之外的任何Python库的情况下完全从头开始实现逻辑回归，让您了解TensorFlow等库如何实现快速有效的实验。包括每种方法的案例研究，以实施所有理论信息。您将发现编写优化的Python代码的技巧和窍门（例如使用NumPy进行矢量化循环）。