《Hadoop深度学习》pdf电子书教程下载

2019-11-04 09:06:17 | 编辑

 

《Hadoop深度学习》书籍介绍

本书主要目标是处理很多深度学习应用的热点问题并向读者披露解决方案的细节。主要内容分为7 章:第1 章介绍深度学习基础知识,第2 章介绍大规模数据的分布式深度学习,第3 章介绍卷积神经网络,第4 章介绍循环神经网络,第5 章介绍受限玻尔兹曼机,第6 章介绍自动编码器,第7 章介绍如何用Hadoop玩转深度学习。本书适合人工智能相关专业师生,以及对深度学习在大数据领域的应用感兴趣的软件工程师。

1.png

封面                                                                            1

书名                                                                            2

内容提要                                                                        3

前言                                                                            4

目录                                                                            9

第1章 深度学习介绍                                                              11

1.1 开始深度学习之旅                                                            15

1.1.1 深度前馈网络                                                              16

1.1.2 各种学习算法                                                              16

1.2 深度学习的相关术语                                                          20

1.3 深度学习——一场人工智能革命                                                22

深度学习的动机                                                                  23

1.4 深度学习网络的分类                                                          28

1.4.1 深度生成或无监督模型                                                      29

1.4.2 深度判别模型                                                              30

1.5 小结                                                                        32

第2章 大规模数据的分布式深度学习                                                33

2.1 海量数据的深度学习                                                          34

2.2 大数据深度学习面临的挑战                                                    37

2.2.1 海量数据带来的挑战(第一个V)                                             38

2.2.2 数据多样性带来的挑战(第二个V)                                           38

2.2.3 数据快速处理带来的挑战(第三个V)                                         39

2.2.4 数据真实性带来的挑战(第四个V)                                           39

2.3 分布式深度学习和Hadoop                                                      39

2.3.1 Map-Reduce                                                                41

2.3.2 迭代Map-Reduce                                                            41

2.3.3 YARN                                                                      42

2.3.4 分布式深度学习设计的重要特征                                              42

2.4 深度学习的开源分布式框架Deeplearning4j                                      44

2.4.1 Deeplearning4j的主要特性                                                  44

2.4.2 Deeplearning4j功能总结                                                    45

2.5 在Hadoop YARN上配置Deeplearning4j                                           45

2.5.1 熟悉Deeplearning4j                                                        46

2.5.2 为进行分布式深度学习集成Hadoop YARN和Spark                                50

2.5.3 Spark在Hadoop YARN上的内存分配规则                                        50

2.6 小结                                                                        54

第3章 卷积神经网络                                                              55

3.1 卷积是什么                                                                  56

3.2 卷积神经网络的背景                                                          57

架构概述                                                                        57

3.3 卷积神经网络的基本层                                                        58

3.3.1 卷积神经网络深度的重要性                                                  59

3.3.2 卷积层                                                                    59

3.3.3 为卷积层选择超参数                                                        62

3.3.4 ReLU层                                                                    66

3.3.5 池化层                                                                    67

3.3.6 全连接层                                                                  68

3.4 分布式深度卷积神经网络                                                      68

3.4.1 最受欢迎的深度神经网络及其配置                                            68

3.4.2 训练时间——深度神经网络面临的主要挑战                                    69

3.4.3 将Hadoop应用于深度卷积神经网络                                            69

3.5 使用Deeplearning4j构建卷积层                                                71

3.5.1 加载数据                                                                  71

3.5.2 模型配置                                                                  72

3.5.3 训练与评估                                                                73

3.6 小结                                                                        74

第4章 循环神经网络                                                              75

4.1 循环网络与众不同的原因                                                      76

4.2 循环神经网络                                                                77

4.2.1 展开循环计算                                                              78

4.2.2 循环神经网络的记忆                                                        79

4.2.3 架构                                                                      80

4.3 随时间反向传播                                                              81

误差计算                                                                        82

4.4 长短期记忆                                                                  83

4.4.1 随时间深度反向传播的问题                                                  83

4.4.2 长短期记忆                                                                83

4.5 双向循环神经网络                                                            85

4.5.1 循环神经网络的不足                                                        85

4.5.2 解决方案                                                                  86

4.6 分布式深度循环神经网络                                                      87

4.7 用Deeplearning4j训练循环神经网络                                            87

4.8 小结                                                                        90

第5章 受限玻尔兹曼机                                                            91

5.1 基于能量的模型                                                              92

5.2 玻尔兹曼机                                                                  93

5.2.1 玻尔兹曼机如何学习                                                        94

5.2.2 玻尔兹曼机的不足                                                          95

5.3 受限玻尔兹曼机                                                              95

5.3.1 基础架构                                                                  95

5.3.2 受限玻尔兹曼机的工作原理                                                  96

5.4 卷积受限玻尔兹曼机                                                          98

堆叠式卷积受限玻尔兹曼机                                                        99

5.5 深度信念网络                                                                100

逐层贪婪训练                                                                    101

5.6 分布式深度信念网络                                                          101

5.6.1 受限玻尔兹曼机的分布式训练                                                101

5.6.2 深度信念网络的分布式训练                                                  102

5.7 用Deeplearning4j实现受限玻尔兹曼机和深度信念网络                            104

5.7.1 受限玻尔兹曼机                                                            104

5.7.2 深度信念网络                                                              105

5.8 小结                                                                        107

第6章 自动编码器                                                                108

6.1 自动编码器                                                                  108

正则化自动编码器                                                                110

6.2 稀疏自动编码器                                                              111

6.2.1 稀疏编码                                                                  111

6.2.2 稀疏自动编码器                                                            112

6.3 深度自动编码器                                                              114

6.3.1 训练深度自动编码器                                                        114

6.3.2 使用Deeplearning4j实现深度自动编码器                                      117

6.4 降噪自动编码器                                                              118

6.4.1 降噪自动编码器的架构                                                      119

6.4.2 堆叠式降噪自动编码器                                                      119

6.4.3 使用Deeplearning4j实现堆叠式降噪自动编码器                                120

6.5 自动编码器的应用                                                            122

6.6 小结                                                                        122

第7章 用Hadoop玩转深度学习                                                      123

7.1 Hadoop中的分布式视频解码                                                    124

7.2 使用Hadoop进行大规模图像处理                                                126

Map-Reduce作业的应用                                                            126

7.3 使用Hadoop进行自然语言处理                                                  127

7.3.1 Web爬虫                                                                   128

7.3.2 自然语言处理的关键词提取和模块                                            128

7.3.3 从页面评估相关关键词                                                      128

7.4 小结                                                                        129

参考文献                                                                        130

封底                                                                            136

 

下载地址:
《Hadoop深度学习》pdf电子书教程下载

扫描关注 -> 回复 479 -> 获取下载链接

注意:本电子书来源于网络,仅供参考预览了解本书,喜欢的请购买正版书籍。如有侵权,请联系我们,快速删除。
登录后即可回复 登录 | 注册
    
关注编程学问公众号