Uczenie_glebokie_od_zera_Podstawy_implementacji_w_Pythonie_uczgle.pdf

(1488 KB) Pobierz
Tytuł oryginału: Deep Learning from Scratch: Building with Python from First Principles
Tłumaczenie: Tomasz Walczak
ISBN: 978-83-283-6597-1
© 2020 Helion SA
Authorized Polish translation of the English edition of Deep Learning from Scratch ISBN 9781492041412 ©
2019 Seth Weidman
This translation is published and sold by permission of O’Reilly Media, Inc.,
which owns or controls all rights to publish and sell the same.
All rights reserved. No part of this book may be reproduced or transmitted in any form or by any means,
electronic or mechanical, including photocopying, recording or by any information storage retrieval system,
without permission from the Publisher.
The O’Reilly logo is a registered trademark of O’Reilly Media, Inc. Deep Learning from Scratch, the cover
image, and related trade dress are trademarks of O’Reilly Media, Inc.
Wszelkie prawa zastrzeżone. Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej
publikacji w jakiejkolwiek postaci jest zabronione. Wykonywanie kopii metodą kserograficzną,
fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym lub innym powoduje
naruszenie praw autorskich niniejszej publikacji.
Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich
właścicieli.
Autor oraz Helion SA dołożyli wszelkich starań, by zawarte w tej książce informacje były kompletne
i rzetelne. Nie biorą jednak żadnej odpowiedzialności ani za ich wykorzystanie, ani za związane z tym
ewentualne naruszenie praw patentowych lub autorskich. Autor oraz Helion SA nie ponoszą również
żadnej odpowiedzialności za ewentualne szkody wynikłe z wykorzystania informacji zawartych w książce.
Helion SA
ul. Kościuszki 1c, 44-100 Gliwice
tel. 32 231 22 19, 32 230 98 63
e-mail:
helion@helion.pl
WWW:
http://helion.pl
(księgarnia internetowa, katalog książek)
Drogi Czytelniku!
Jeżeli chcesz ocenić tę książkę, zajrzyj pod adres
http://helion.pl/user/opinie/uczgle
Możesz tam wpisać swoje uwagi, spostrzeżenia, recenzję.
Printed in Poland.
•
Kup książkę
•
Poleć książkę
•
Oceń książkę
•
Księgarnia internetowa
•
Lubię to! » Nasza społeczność
Spis treści
Wprowadzenie ............................................................................................................ 9
1. Podstawowe zagadnienia ......................................................................................... 15
Funkcje
Matematyka
Diagramy
Kod
Pochodne
Matematyka
Diagramy
Kod
Funkcje zagnieżdżone
Diagram
Matematyka
Kod
Inny diagram
Reguła łańcuchowa
Matematyka
Diagram
Kod
Nieco dłuższy przykład
Matematyka
Diagram
Kod
Funkcje z wieloma danymi wejściowymi
Matematyka
Diagram
Kod
16
16
16
17
20
20
20
21
22
22
22
23
23
24
24
24
25
27
27
27
28
29
30
30
30
3
Kup książkę
Poleć książkę
Pochodne funkcji z wieloma danymi wejściowymi
Diagram
Matematyka
Kod
Funkcje przyjmujące wiele wektorów jako dane wejściowe
Matematyka
Tworzenie nowych cech na podstawie istniejących
Matematyka
Diagram
Kod
Pochodne funkcji z wieloma wektorami wejściowymi
Diagram
Matematyka
Kod
Następny etap — funkcje wektorowe i ich pochodne
Diagram
Matematyka
Kod
Funkcje wektorowe i ich pochodne w kroku wstecz
Grafy obliczeniowe z danymi wejściowymi w postaci dwóch macierzy dwuwymiarowych
Matematyka
Diagram
Kod
Ciekawa część — krok wstecz
Diagram
Matematyka
Kod
Podsumowanie
31
31
31
32
32
33
33
33
33
34
35
35
36
36
37
37
37
38
38
40
41
43
43
43
44
44
46
50
2. Wprowadzenie do budowania modeli ........................................................................ 51
Wstęp do uczenia nadzorowanego
Modele uczenia nadzorowanego
Regresja liniowa
Regresja liniowa — diagram
Regresja liniowa — bardziej pomocny diagram (i obliczenia matematyczne)
Dodawanie wyrazu wolnego
Regresja liniowa — kod
Uczenie modelu
Obliczanie gradientów — diagram
Obliczanie gradientów — matematyka (i trochę kodu)
52
53
55
55
57
58
58
59
59
60
4
Spis treści
Poleć książkę
Kup książkę
Obliczanie gradientów — (kompletny) kod
Używanie gradientów do uczenia modelu
Ocena modelu — testowe i treningowe zbiory danych
Ocena modelu — kod
Analizowanie najważniejszej cechy
Budowanie sieci neuronowych od podstaw
Krok 1. Zestaw regresji liniowych
Krok 2. Funkcja nieliniowa
Krok 3. Inna regresja liniowa
Diagramy
Kod
Sieci neuronowe — krok wstecz
Uczenie i ocena pierwszej sieci neuronowej
Dwa powody, dla których nowy model jest lepszy
Podsumowanie
61
62
63
63
65
66
67
67
68
68
70
71
73
74
75
3. Deep learning od podstaw ......................................................................................... 77
Definicja procesu deep learning — pierwszy krok
Elementy sieci neuronowych — operacje
Diagram
Kod
Elementy sieci neuronowych — warstwy
Diagramy
Elementy z elementów
Wzorzec warstwy
Warstwa gęsta
Klasa NeuralNetwork (i ewentualnie inne)
Diagram
Kod
Klasa Loss
Deep learning od podstaw
Implementowanie treningu na porcjach danych
Klasa NeuralNetwork — kod
Nauczyciel i optymalizator
Optymalizator
Nauczyciel
Łączenie wszystkich elementów
Pierwszy model z dziedziny deep learning (napisany od podstaw)
Podsumowanie i dalsze kroki
77
79
79
80
82
82
84
86
88
89
89
90
90
92
92
93
95
95
97
98
99
100
Spis treści
Kup książkę
5
Poleć książkę

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika:

Zgłoś jeśli naruszono regulamin