4 目 录 7.2.2 TensorBoard简介：TensorFlow 8.5.6如何训练DCGAN…262 的可视化框架 …212 8.5.7小结… …264 7.2.3小结… …219 本章总结… …264 7.3让模型性能发挥到极致…219 7.3.1高级架构模式…219 第9章总结…265 7.3.2超参数优化…222 9.1重点内容回顾 …265 7.3.3模型集成… …223 9.1.1人工智能的各种方法 …265 7.3.4小结 224 9.1.2深度学习在机器学习领战 本章总结 225 中的特殊之处…266 9.1.3如何看待深度学习…266 第8章生成式深度学习… …226 9.1.4关键的推动技术 …267 8.1使用LSTM生成文本 …227 9.1.5机器学习的通用工作流程…268 8.1.1生成式循环网络简史…227 9.1.6关键网络架构…268 8.1.2如何生成序列数据…228 9.1.7可能性空间 …272 8.1.3采样策略的重要性… …229 9.2深度学习的局限性… …273 8.1.4实现字符级的LSTM文本 9.2.1将机器学习模型拟人化的 生成 …230 风险 …273 8.1.5小结… …234 9.2.2局部泛化与极端泛化 …275 8.2 DeepDream… …235 9.23小结 …276 8.2.1用Keras实现DeepDream…236 9.3深度学习的未来…277 8.2.2小结…241 9.3.1模型即程序 …277 8.3神经风格迁移 …241 9.32超越反向传播和可微层…278 8.3.1内容损失…242 9.3.3自动化机器学习……279 8.3.2风格损失 …243 9.3.4终身学习与模块化子程序复用…279 8.3.3用Keras实现神经风格迁移…243 9.3.5长期愿景…281 8.3.4小结 …249 9.4了解一个快速发展领域的最新进展…281 8.4用变分自编码器生成图像 …249 9.4.1使用Kaggle练习解决现实 8.4.1从图像的潜在空间中采样…249 世界的问题… …281 8.4.2图像编辑的概念向量…250 9.4.2在arXiv阅读最新进展…282 8.4.3变分自编码器…251 9.4.3探索Kers生态系统…282 8.4.4小结…256 9.5 结束语…282 8.5生成式对抗网络简介 …257 8.5.1GAN的简要实现流程…258 附录A在Ubuntu上安装Keras及其 8.5.2大量技巧259 依赖… .283 8.5.3生成器…260 8.5.4判别器… 附录B在EC2GPU实例上运行 …261 8.5.5对抗网络 .261 Jupyter笔记本…2874 目 录 7.2.2 TensorBoard 简介：TensorFlow 的可视化框架 ..............................212 7.2.3 小结 ...............................................219 7.3 让模型性能发挥到极致 ...........................219 7.3.1 高级架构模式 ...............................219 7.3.2 超参数优化 ...................................222 7.3.3 模型集成 .......................................223 7.3.4 小结 ...............................................224 本章总结 ............................................................225 第 8 章 生成式深度学习 .......................... 226 8.1 使用 LSTM 生成文本 ..............................227 8.1.1 生成式循环网络简史 ...................227 8.1.2 如何生成序列数据 .......................228 8.1.3 采样策略的重要性 .......................229 8.1.4 实现字符级的 LSTM 文本 生成 ..............................................230 8.1.5 小结 ...............................................234 8.2 DeepDream ................................................235 8.2.1 用 Keras 实现 DeepDream ...........236 8.2.2 小结 ...............................................241 8.3 神经风格迁移 ...........................................241 8.3.1 内容损失 .......................................242 8.3.2 风格损失 .......................................243 8.3.3 用 Keras 实现神经风格迁移 .......243 8.3.4 小结 ...............................................249 8.4 用变分自编码器生成图像 .......................249 8.4.1 从图像的潜在空间中采样 ...........249 8.4.2 图像编辑的概念向量 ...................250 8.4.3 变分自编码器 ...............................251 8.4.4 小结 ...............................................256 8.5 生成式对抗网络简介 ...............................257 8.5.1 GAN 的简要实现流程 .................258 8.5.2 大量技巧 .......................................259 8.5.3 生成器 ...........................................260 8.5.4 判别器 ...........................................261 8.5.5 对抗网络 .......................................261 8.5.6 如何训练 DCGAN .......................262 8.5.7 小结 ...............................................264 本章总结 ............................................................264 第 9 章 总结 ............................................ 265 9.1 重点内容回顾 ...........................................265 9.1.1 人工智能的各种方法 ...................265 9.1.2 深度学习在机器学习领域 中的特殊之处 ..............................266 9.1.3 如何看待深度学习 .......................266 9.1.4 关键的推动技术 ...........................267 9.1.5 机器学习的通用工作流程 ...........268 9.1.6 关键网络架构 ...............................268 9.1.7 可能性空间 ...................................272 9.2 深度学习的局限性 ...................................273 9.2.1 将机器学习模型拟人化的 风险 ..............................................273 9.2.2 局部泛化与极端泛化 ...................275 9.2.3 小结 ...............................................276 9.3 深度学习的未来 .......................................277 9.3.1 模型即程序 ...................................277 9.3.2 超越反向传播和可微层 ...............278 9.3.3 自动化机器学习 ...........................279 9.3.4 终身学习与模块化子程序复用 ....279 9.3.5 长期愿景 .......................................281 9.4 了解一个快速发展领域的最新进展 .......281 9.4.1 使用 Kaggle 练习解决现实 世界的问题 ..................................281 9.4.2 在 arXiv 阅读最新进展 ...............282 9.4.3 探索 Keras 生态系统 ...................282 9.5 结束语 .......................................................282 附录 A 在 Ubuntu 上安装 Keras 及其 依赖 ............................................ 283 附录 B 在 EC2 GPU 实例上运行 Jupyter 笔记本 ............................ 287