内容简介
《Python深度学习（第2版）》是由Keras之父、Google人工智能研究员弗朗索瓦·肖莱（François Chollet）撰写的深度学习权威教程。本书是第二版，基于Keras和TensorFlow的最新版本进行了全面更新，涵盖了深度学习领域的最新进展，包括Transformer架构、生成式AI、自监督学习等前沿主题。
全书共分为三部分：第一部分介绍深度学习的基础知识，包括神经网络的基本原理、Keras框架的使用方法、机器学习的基本概念等；第二部分深入讲解卷积神经网络（CNN）、循环神经网络（RNN）、序列模型、Transformer架构等核心模型及其应用，涵盖图像分类、文本生成、机器翻译等经典任务；第三部分则聚焦于实践进阶，包括生成式深度学习、自监督学习、强化学习、模型部署与优化等高级主题。
本书以清晰的逻辑、丰富的代码示例和直观的图解，帮助读者从零基础逐步掌握深度学习的理论与实战技能。肖莱强调理论与实践的结合，每一章都配有可运行的代码和动手练习，让读者在动手实践中加深理解。无论是学生、研究人员，还是希望转型AI领域的软件工程师，都能从本书中获益匪浅。本书被誉为深度学习领域的“圣经”级著作，是学习Keras和深度学习的首选参考书。
目录
关于本书
谁应该阅读本书
关于代码
本书论坛
更多信息
第 1 章 什么是深度学习
1.1 人工智能、机器学习和深度学习
1.2 深度学习之前：机器学习简史
1.3 为什么要用深度学习，为什么是现在
第 2 章 神经网络的数学基础
2.1 初识神经网络
2.2 神经网络的数据表示
2.3 神经网络的“齿轮”：张量运算
2.4 神经网络的“引擎”：基于梯度的优化
2.5 顾第一个例子
2.6 本章总结
第 3 章 Keras 和 TensorFlow 入门
3.1 TensorFlow 简介
3.2 Keras 简介
3.3 Keras 和 TensorFlow 简史
谁应该阅读本书
关于代码
本书论坛
更多信息
第 1 章 什么是深度学习
1.1 人工智能、机器学习和深度学习
1.2 深度学习之前：机器学习简史
1.3 为什么要用深度学习，为什么是现在
第 2 章 神经网络的数学基础
2.1 初识神经网络
2.2 神经网络的数据表示
2.3 神经网络的“齿轮”：张量运算
2.4 神经网络的“引擎”：基于梯度的优化
2.5 顾第一个例子
2.6 本章总结
第 3 章 Keras 和 TensorFlow 入门
3.1 TensorFlow 简介
3.2 Keras 简介
3.3 Keras 和 TensorFlow 简史
免责申明：
1. 本站分享的所有书籍均来源于自互联网，部分书籍中可能有压制者放置的广告，这并不是本站所为，请注意甄别。
2. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
3. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
4. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
5. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
1. 本站分享的所有书籍均来源于自互联网，部分书籍中可能有压制者放置的广告，这并不是本站所为，请注意甄别。
2. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
3. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
4. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
5. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
