Deep Learning Receptury.pdf

(2143 KB) Pobierz
Tytuł oryginału: Deep Learning Cookbook: Practical Recipes to Get Started Quickly
Tłumaczenie: Piotr Rajca
ISBN: 978-83-283-5231-5
© 2019 Helion S.A.
Authorized Polish translation of the English edition of Deep Learning Cookbook ISBN 9781491995846
© 2018 Douwe Osinga.
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.
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/delere
Możesz tam wpisać swoje uwagi, spostrzeżenia, recenzję.
Printed in Poland.
•
Kup książkę
•
Poleć książkę
•
Oceń książkę
•
Księgarnia internetowa
•
Lubię to! » Nasza społeczność
Spis treści
Wstęp ......................................................................................................................................7
1. Narzędzia i techniki ...................................................................................................15
1.1.
1.2.
1.3.
Typy sieci neuronowych
Pozyskiwanie danych
Wstępne przetwarzanie danych
15
25
31
2. Aby ruszyć z miejsca ................................................................................................. 39
2.1. Jak stwierdzić, że utknęliśmy?
2.2. Poprawianie błędów czasu wykonania
2.3. Sprawdzanie wyników pośrednich
2.4. Wybór odpowiedniej funkcji aktywacji (w warstwie wyjściowej)
2.5. Regularyzacja i porzucanie
2.6. Struktura sieci, wielkość wsadów i tempo uczenia
Podsumowanie
39
40
42
43
45
46
47
3. Obliczanie podobieństwa słów przy użyciu wektorów właściwościowych ......... 49
3.1.
3.2.
3.3.
3.4.
3.5.
3.6.
Stosowanie nauczonych modeli wektorów właściwościowych do określania
podobieństw między wyrazami
Operacje matematyczne z użyciem Word2vec
Wizualizacja wektorów właściwościowych
Znajdowanie klas obiektów z wykorzystaniem wektorów właściwościowych
Obliczanie odległości semantycznych w klasach
Wizualizacja danych kraju na mapie
50
52
54
55
59
60
4. Tworzenie systemu rekomendacji na podstawie odnośników
wychodzących z Wikipedii ....................................................................................... 63
4.1.
4.2.
Pozyskiwanie danych
Uczenie wektorów właściwościowych filmów
63
67
3
Kup książkę
Poleć książkę
4.3.
4.4.
Tworzenie systemu rekomendacji filmów
Prognozowanie prostych właściwości filmu
70
71
5. Generowanie tekstu wzorowanego na przykładach .............................................. 73
5.1.
5.2.
5.3.
5.4.
5.5.
Pobieranie ogólnie dostępnych tekstów
Generowanie tekstów przypominających dzieła Szekspira
Pisanie kodu z wykorzystaniem rekurencyjnej sieci neuronowej
Kontrolowanie temperatury wyników
Wizualizacja aktywacji rekurencyjnych sieci neuronowych
73
74
77
79
81
6. Dopasowywanie pytań ............................................................................................ 83
6.1.
6.2.
6.3.
6.4.
6.5.
6.6.
Pobieranie danych ze Stack Exchange
Badanie danych przy użyciu biblioteki Pandas
Stosowanie Keras do określania cech tekstu
Tworzenie modelu pytanie – odpowiedź
Uczenie modelu z użyciem Pandas
Sprawdzanie podobieństw
83
85
86
87
88
90
7. Sugerowanie emoji ................................................................................................... 93
7.1.
7.2.
7.3.
7.4.
7.5.
7.6.
7.7.
7.8.
7.9.
7.10.
7.11.
Tworzenie prostego klasyfikatora nastawienia
Badanie prostego klasyfikatora
Stosowanie sieci konwolucyjnych do analizy nastawienia
Gromadzenie danych z Twittera
Prosty mechanizm prognozowania emoji
Porzucanie i wiele okien
Tworzenie modelu operującego na słowach
Tworzenie własnych wektorów właściwościowych
Stosowanie rekurencyjnych sieci neuronowych do klasyfikacji
Wizualizacja (nie)zgody
Łączenie modeli
93
96
97
99
100
102
103
105
107
108
111
8. Odwzorowywanie sekwencji na sekwencje .......................................................... 113
8.1.
8.2.
8.3.
8.4.
Uczenie prostego modelu typu sekwencja na sekwencję
Wyodrębnianie dialogów z tekstów
Obsługa otwartego słownika
Uczenie chatbota z użyciem frameworka seq2seq
113
115
116
118
9. Stosowanie nauczonej już sieci do rozpoznawania obrazów ...............................123
9.1.
9.2.
4
Wczytywanie nauczonej sieci neuronowej
Wstępne przetwarzanie obrazów
124
124
Spis treści
Poleć książkę
Kup książkę
9.3.
9.4.
9.5.
9.6.
9.7.
Przeprowadzanie wnioskowania na obrazach
Stosowanie API serwisu Flickr do gromadzenia zdjęć z etykietami
Tworzenie klasyfikatora, który potrafi odróżniać koty od psów
Poprawianie wyników wyszukiwania
Ponowne uczenie sieci rozpoznającej obrazy
126
127
128
130
132
10. Tworzenie usługi odwrotnego wyszukiwania obrazów .......................................135
10.1.
10.2.
10.3.
10.4.
Pozyskiwanie obrazów z Wikipedii
Rzutowanie obrazów na przestrzeń n-wymiarową
Znajdowanie najbliższych sąsiadów w przestrzeni n-wymiarowej
Badanie lokalnych sąsiedztw w wektorach właściwościowych
135
138
139
140
11. Wykrywanie wielu obrazów ...................................................................................143
11.1. Wykrywanie wielu obrazów przy użyciu nauczonego klasyfikatora
11.2. Stosowanie sieci Faster R-CNN do wykrywania obrazów
11.3. Stosowanie Faster R-CNN na własnych obrazach
143
147
149
12. Styl obrazu ...............................................................................................................153
12.1.
12.2.
12.3.
12.4.
12.5.
12.6.
12.7.
Wizualizacja aktywacji sieci CNN
Oktawy i skalowanie
Wizualizacja tego, co sieć neuronowa prawie widzi
Jak uchwycić styl obrazu?
Poprawianie funkcji straty w celu zwiększenia koherencji obrazu
Przenoszenie stylu na inny obraz
Interpolacja stylu
153
157
158
161
164
166
167
13. Generowanie obrazów przy użyciu autoenkoderów ............................................169
13.1.
13.2.
13.3.
13.4.
13.5.
13.6.
Importowanie rysunków ze zbioru Google Quick Draw
Tworzenie autoenkodera dla obrazów
Wizualizacja wyników autoenkodera
Próbkowanie obrazów z właściwego rozkładu
Wizualizacja przestrzeni autoenkodera wariacyjnego
Warunkowe autoenkodery wariacyjne
170
171
173
175
178
179
14. Generowanie ikon przy użyciu głębokich sieci neuronowych ..............................183
14.1.
14.2.
14.3.
14.4.
14.5.
Zdobywanie ikon do uczenia sieci
Konwertowanie ikon na tensory
Stosowanie autoenkodera wariacyjnego do generowania ikon
Stosowanie techniki rozszerzania danych do poprawy wydajności autoenkodera
Tworzenie sieci GAN
Spis treści
Kup książkę
184
186
187
190
191
5
Poleć książkę

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika:

Zgłoś jeśli naruszono regulamin