2020-08-29 11:42:28

docs/handson-tl-py/0.md

-# 前言
+# 零、前言
 
 随着世界朝着数字化和自动化的方向发展，作为技术专家/程序员，保持自我更新并学习如何利用这些工具和技术非常重要。 本书《Python 迁移学习实用指南》旨在帮助从业人员熟悉并准备好在各自领域中使用这些进步。 本书大致分为三个部分：
 

docs/handson-tl-py/1.md

-# 机器学习基础
+# 一、机器学习基础
 
 有一天，人工智能将像看非洲平原上的化石骨架一样回望我们。 一只生活在尘土中的直立猿，用粗俗的语言和工具灭绝。
 

docs/handson-tl-py/10.md

-# 自动图像字幕生成器
+# 十、自动图像字幕生成器
 
 在前面的章节中，我们研究了一些案例研究，这些案例研究将迁移学习应用于计算机视觉以及**自然语言处理**（**NLP**）中的问题。 但是，这些都是它们各自特定领域中的问题。 在本章中，我们将专注于构建将这两个流行领域（计算机视觉和 NLP）结合在一起的智能系统。 更具体地说，我们将专注于构建与机器翻译相结合的对象识别系统，以构建自动图像字幕生成器。
 

docs/handson-tl-py/11.md

-# 图像着色
+# 十一、图像着色
 
 颜色是大自然的笑容。
 

docs/handson-tl-py/2.md

-# 深度学习基础
+# 二、深度学习基础
 
 本章从深度学习真正含义的最基本基础开始，然后深入到围绕神经网络的其他基本概念和术语，深入探讨了深度学习的基本知识。 将向读者概述神经网络的基本构建模块，以及如何训练深度神经网络。 涵盖模型训练的概念，包括激活函数，损失函数，反向传播和超参数调整策略。 这些基础概念对于正在尝试深度神经网络模型的初学者和经验丰富的数据科学家都将有很大的帮助。 我们特别关注如何建立具有 GPU 支持的强大的基于云的深度学习环境，以及设置内部深度学习环境的技巧。 对于希望自己构建大规模深度学习模型的读者来说，这将非常有用。 本章将涵盖以下主题：
 

docs/handson-tl-py/3.md

-# 了解深度学习架构
+# 三、了解深度学习架构
 
 本章将着重于理解当今深度学习中存在的各种架构。 神经网络的许多成功都在于对神经网络架构的精心设计。 自 1960 年代的传统**人工神经网络**（**ANNs**）以来，我们已经走了很长一段路。 在本书中，我们介绍了基本模型架构，例如完全连接的深度神经网络，**卷积神经网络**（**CNN**），**循环神经网络**（**RNN**），**长短期记忆**（**LSTM**）网络，以及最新的胶囊网络。
 

docs/handson-tl-py/4.md

-# 迁移学习基础
+# 四、迁移学习基础
 
 我还在学习
 

docs/handson-tl-py/5.md

-# 释放迁移学习的力量
+# 五、释放迁移学习的力量
 
 在上一章中，我们介绍了围绕迁移学习的主要概念。 关键思想是，与从头开始构建自己的深度学习模型和体系结构相比，在各种任务中利用先进的，经过预训练的深度学习模型可产生更好的结果。 在本章中，我们将获得一个更动手的观点，即使用迁移学习实际构建深度学习模型并将其应用于实际问题。 有无迁移学习，我们将构建各种深度学习模型。 我们将分析它们的体系结构，并比较和对比它们的性能。 本章将涵盖以下主要方面：
 

docs/handson-tl-py/6.md

-# 图像识别与分类
+# 六、图像识别与分类
 
 知识投资永远是最大的利益。
 

docs/handson-tl-py/7.md

-# 文本文件分类
+# 七、文本文件分类
 
 在本章中，我们讨论了迁移学习在文本文档分类中的应用。 文本分类是一种非常流行的自然语言处理任务。 关键目标是根据文档的文本内容将文档分配到一个或多个类别或类别。 这在行业中得到了广泛的应用，包括将电子邮件分类为垃圾邮件/非垃圾邮件，审阅和评级分类，情感分析，电子邮件或事件路由，在此我们将电子邮件\事件分类，以便可以将其自动分配给相应的人员。 以下是本章将涉及的主要主题：
 

docs/handson-tl-py/8.md

-# 音频事件识别与分类
+# 八、音频事件识别与分类
 
 在前面的章节中，我们已经研究了一些非常有趣的案例研究，这些案例将迁移学习应用于实际问题。 图像和文本数据是我们先前已解决的两种非结构化数据形式。 我们已经展示了各种方法来应用迁移学习来获得更强大和更出色的模型，以及解决诸如缺少训练数据之类的约束。 在本章中，我们将解决识别和分类音频事件的新现实问题。
 

docs/handson-tl-py/9.md

-# DeepDream
+# 九、DeepDream
 
 本章重点介绍了生成型深度学习的领域，这已成为真正的**人工智能**（**AI**）最前沿的核心思想之一。 我们将关注**卷积神经网络**（**CNN**）如何利用迁移学习来思考或可视化图像中的图案。 它们可以生成描述这些卷积网络思维甚至梦想方式之前从未见过的图像模式！ DeepDream 于 2015 年由 Google 首次发布，由于深层网络开始从图像生成有趣的图案，因此引起了轰动。 本章将涵盖以下主要主题：
 

docs/handson-tl-py/README.md

+# Python 迁移学习实用指南
+
+> 原文：[Hands-On Transfer Learning with Python](https://b-ok.global/book/3608321/f88298)
+> 
+> 协议：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/)
+> 
+> 自豪地采用[谷歌翻译](https://translate.google.cn/)
+> 
+> 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c
+
+* [在线阅读](https://dl.apachecn.org)
+* [ApacheCN 面试求职交流群 724187166](https://jq.qq.com/?_wv=1027&k=54ujcL3)
+* [ApacheCN 学习资源](http://www.apachecn.org/)
+
+## 贡献指南
+
+本项目需要校对，欢迎大家提交 Pull Request。
+
+> 请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）
+
+## 联系方式
+
+### 负责人
+
+* [飞龙](https://github.com/wizardforcel): 562826179
+
+### 其他
+
+*   在我们的 [apachecn/apachecn-tf-zh](https://github.com/apachecn/apachecn-tf-zh) github 上提 issue.
+*   发邮件到 Email: `apachecn@163.com`.
+*   在我们的 [组织学习交流群](http://www.apachecn.org/organization/348.html) 中联系群主/管理员即可.
+
+## 赞助我们
+
+![](http://data.apachecn.org/img/about/donate.jpg)

docs/handson-tl-py/SUMMARY.md

++   [Python 迁移学习实用指南](README.md)
++   [零、前言](0.md)
++   [一、机器学习基础](1.md)
++   [二、深度学习基础](2.md)
++   [三、了解深度学习架构](3.md)
++   [四、迁移学习基础](4.md)
++   [五、释放迁移学习的力量](5.md)
++   [六、图像识别与分类](6.md)
++   [七、文本文件分类](7.md)
++   [八、音频事件识别与分类](8.md)
++   [九、DeepDream](9.md)
++   [十、自动图像字幕生成器](10.md)
++   [十一、图像着色](11.md)

sidebar.md

@@ -99,3 +99,16 @@
     +   [八、用于 TensorFlow Eager 序列分类的动态循坏神经网络](docs/tf-eager-tut/8.md)
     +   [九、用于 TensorFlow Eager 时间序列回归的递归神经网络](docs/tf-eager-tut/9.md)
 +   [TensorFlow 高效编程](docs/effective-tf.md)
++   [Python 迁移学习实用指南](docs/handson-tl-py/README.md)
+    +   [零、前言](docs/handson-tl-py/0.md)
+    +   [一、机器学习基础](docs/handson-tl-py/1.md)
+    +   [二、深度学习基础](docs/handson-tl-py/2.md)
+    +   [三、了解深度学习架构](docs/handson-tl-py/3.md)
+    +   [四、迁移学习基础](docs/handson-tl-py/4.md)
+    +   [五、释放迁移学习的力量](docs/handson-tl-py/5.md)
+    +   [六、图像识别与分类](docs/handson-tl-py/6.md)
+    +   [七、文本文件分类](docs/handson-tl-py/7.md)
+    +   [八、音频事件识别与分类](docs/handson-tl-py/8.md)
+    +   [九、DeepDream](docs/handson-tl-py/9.md)
+    +   [十、自动图像字幕生成器](docs/handson-tl-py/10.md)
+    +   [十一、图像着色](docs/handson-tl-py/11.md)
\ No newline at end of file