導言

本書以實作為主，所以就會出現一堆原理加一堆程式碼，非常生硬，算是中階以上的書了。

架構

前 1 -2 章講深度學習原理，第 3 章介紹 tensorflow + keras 第 4 - 5章講安裝，第 6 章開始就用 keras 實作範例，講建模、訓練、預測，應用卷積神經網路 CNN 、多層感知器 (MLP) 、自然語言處理 NLP 、第 14 章是 keras 的一個總結，講建立 MLP 、RNN、LSTM 模型及情緒分析，然後簡單的 keras 結束了。What ?!
第 15 章開始用 tensorflow 再將上述 keras 作過的事再做一遍，讓讀者了解 keras 用 tensorflow 做了那些，也就是讀者可以自已籍由 tendsorflow 做更多的細節設定了。

摘要

19.1 CNN (convolutional neural network) 卷積神經網路簡介
Step1. 卷積神經網路介紹
卷積層的意義是,將原本一個影像,經過卷積運算,產生多個影像,就好像卷積起來。 你可以看到CNN 卷積神經網路,可分為2大部分:
「卷積」與「縮減取樣」提取影像的特徵

透過「第1次卷積」與「第1次縮減取樣」,「第2次卷積」與「第2次縮減取樣」的處理,提取影像的特徵。透過以上這種方式,可以提高辨識的準確率。
完全連結神經網路

提取影像的特徵後,reshape 轉換為1維的向量,送進由「平坦層」、 「隱藏層」、「輸出層」,所組成的類神經網路進行處理。
本章我們在說明程式碼時,會比較 Keras 與 TensorFlow 在建立模型、訓練模型有甚麼不 同,讓讀者更了解這2種程式設計模式的差異。您可以對照查看第8章keras程式碼說明。

總結

難易度

⭐⭐⭐⭐⭐

自備技能

程式經驗
資料科學

適合對象

中階以上。

心得

本書以實作為主，所以就會出現一堆原理加一堆程式碼，非常生硬，算是中階以上的書了。