卷积神经网络是深度学习重要的模型之一。卷积神经网络的Python实现是卷积神经网络领域的入门读物，假定读者不具备任何机器学习知识。书中尽可能少地应用数学知识，从机器学习的概念讲起，以卷积神经网络的最新发展结束。
本书首先简单介绍了机器学习的基本概念，详细讲解了线性模型、神经网络和卷积神经网络模型，然后介绍了基于梯度下降法的优化方法和梯度反向传播算法，接着介绍了训练网络前的准备工作、神经网络实战、卷积神经网络的应用及其发展。针对每个关键知识点，书中给出了基于NumPy 的代码实现，以及完整的神经网络和卷积神经网络代码实现，方便读者训练网络和查阅代码。
本书既可以作为卷积神经网络的教材，也可以供对卷积神经网络感兴趣的工程技术人员和科研人员参考。
目录
第一部分 模型篇
第1章 机器学习简介
第2章 线性分类器
第3章 神经网络
第4章 卷积神经网络的结构
第二部分 优化篇
第5章 基于梯度下降法的最优化方法
第6章 梯度反向传播算法
第三部分 实战篇
第7章 训练前的准备
第8章 神经网络实例
第9章 卷积神经网络实例
第10章 卷积网络结构的发展
下载体验