Купить книгу Машинное обучение с использованием нейронных сетей: подробное визуальное введение с помощью Python: создание собственной нейронной сети на Python: простое руководство по машинному обучению с использованием нейронных сетей на русском [PDF, EPUB, FB2, MOBI]
Machine Learning with Neural Networks: An In-depth Visual Introduction with Python: Make Your Own Neural Network in Python: A Simple Guide on Machine Learning with Neural Networks. (B075882XCP)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Michael Taylor | #96: Нейронные сети
Создайте собственную нейронную сеть на Python.
Пошаговое визуальное путешествие по математике нейронных сетей и созданию собственных сетей с использованием Python и TensorFlow.
Что вы получите от этой книги:
* Глубокое понимание принципов работы нейронной сети.
* Как создать нейронную сеть с нуля, используя Python.
Для кого предназначена эта книга:
* Предназначено для начинающих, желающих полностью понять, как работают сети, и научиться создавать два пошаговых примера на Python.
* Программистам, которым необходимо легко читаемое, но основательное напоминание о математике нейронных сетей.
Что внутри — «Создайте свою собственную нейронную сеть: подробное визуальное введение для начинающих»
Что такое нейронная сеть?
Нейронные сети пережили грандиозное возрождение за последние несколько десятилетий, и вы, вероятно, используете их каждый день, даже не осознавая этого. Но что же такое нейронная сеть на самом деле? Для чего она используется и как она вписывается в более широкую область машинного обучения?
Мы постепенно изучаем эти темы, чтобы быть готовыми к более глубокому погружению в них. Для начала мы рассмотрим общий обзор машинного обучения, а затем углубимся в специфику нейронных сетей.
Математика нейронных сетей
В общих чертах, нейронная сеть обучается так же, как и мы, методом проб и ошибок. Это верно независимо от того, является ли сеть контролируемой, неконтролируемой или полуконтролируемой. Однако, если копнуть глубже, мы обнаружим, что ряд математических функций играет важную роль в процессе проб и ошибок. Также становится ясно, что понимание лежащей в основе математики помогает прояснить, как нейронная сеть обучается.
* Прямое распространение
* Расчет общей погрешности
* Расчет градиентов
* Обновление весов
Создайте собственную искусственную нейронную сеть: практический пример.
Вы научитесь создавать простую нейронную сеть, используя все концепции и функции, изученные в предыдущих главах. Наш пример будет простым, но, надеемся, очень интуитивно понятным. Многие примеры, доступные в интернете, либо безнадежно абстрактны, либо используют одни и те же наборы данных, что может быть утомительно. Наша цель — изложить все предельно ясно и увлекательно, но с долей юмора и оригинальности. Этот раздел содержит следующие восемь глав.
Создание нейронных сетей на Python
Существует множество способов построения нейронной сети и множество инструментов для выполнения этой задачи. Это замечательно, но на начальном этапе может показаться сложным, поскольку инструментов очень много. Мы рассмотрим, какие инструменты необходимы, и поможем вам разобраться с основами. Построение нейронной сети
TensorFlow и нейронные сети
Единого способа построения нейронной сети прямого распространения на Python не существует, и это особенно верно, если добавить TensorFlow. Однако существует общая структура, которую можно разделить на пять шагов и сгруппировать в две части. Мы кратко рассмотрим эти пять шагов, чтобы быть готовыми использовать их для построения сети в дальнейшем. Готовы? Давайте начнём.
Нейронная сеть: распознавание почерка
Мы собираемся углубиться в TensorFlow и создать нейронную сеть, способную различать рукописные цифры. Мы будем использовать те же 5 шагов, которые рассматривались в общем обзоре, и уделим время изучению каждой строки кода.
Нейронная сеть: классификация изображений
10 минут. Вот и всё, что нужно, чтобы создать классификатор изображений благодаря Google! Мы представим общий обзор того, как классифицировать изображения с помощью сверточной нейронной сети (CNN) и модели Google Inception V3. После завершения вы сможете адаптировать этот код для классификации любых типов изображений! Кошки, летучие мыши, супергерои — возможности безграничны.