目录
《深度学习》目录
第 1 章 引言 1
1.1 本书面向的读者 .7
1.2 深度学习的历史趋势 8
1.2.1 神经网络的众多名称和命运变迁 8
1.2.2 与日俱增的数据量 12
1.2.3 与日俱增的模型规模13
1.2.4 与日俱增的精度、复杂度和对现实世界的冲击 . 15
第 1 部分 应用数学与机器学习基础
第 2 章 线性代数 19
2.1 标量、向量、矩阵和张量 . 19
2.2 矩阵和向量相乘. .21
2.3 单位矩阵和逆矩阵 . 22
2.4 线性相关和生成子空间 23
2.5 范数. .24
2.6 特殊类型的矩阵和向量 25
2.7 特征分解 . 26
2.8 奇异值分解 28
2.9 Moore-Penrose 伪逆 28
2.10 迹运算 29
2.11 行列式 30
2.12 实例：主成分分析.30
第 3 章 概率与信息论. .34
3.1 为什么要使用概率 . 34
3.2 随机变量 . 35
3.3 概率分布 . 36
3.3.1 离散型变量和概率质量函数 . 36
3.3.2 连续型变量和概率密度函数 . 36
3.4 边缘概率 . 37
3.5 条件概率 . 37
3.6 条件概率的链式法则 . 38
3.7 独立性和条件独立性 . 38
3.8 期望、方差和协方差 . 38
3.9 常用概率分布 39
3.9.1 Bernoulli 分布 . 40
3.9.2 Multinoulli 分布 . 40
3.9.3 高斯分布 40
3.9.4 指数分布和 Laplace 分布 . 41
3.9.5 Dirac 分布和经验分布 42
3.9.6 分布的混合 42
3.10 常用函数的有用性质. .43
3.11 贝叶斯规则 . 45
3.12 连续型变量的技术细节 . 45
3.13 信息论 47
3.14 结构化概率模型 49
第 4 章 数值计算 52
4.1 上溢和下溢 52
4.2 病态条件 . 53
4.3 基于梯度的优化方法 . 53
4.3.1 梯度之上：Jacobian 和 Hessian 矩阵 . 56
4.4 约束优化 . 60
4.5 实例：线性**小二乘 . 61
第 5 章 机器学习基础. .63
5.1 学习算法 . 63
5.1.1 任务 T . 63
5.1.2 性能度量 P 66
5.1.3 经验 E 66
5.1.4 示例：线性回归 68
5.2 容量、过拟合和欠拟合 . 70
5.2.1 没有免费午餐定理 73
5.2.2 正则化 74
5.3 超参数和验证集. .76
5.3.1 交叉验证 76
5.4 估计、偏差和方差. .77
5.4.1 点估计 77
5.4.2 偏差 78
5.4.3 方差和标准差 80
5.4.4 权衡偏差和方差以**小化均方误差 . 81
5.4.5 一致性 82
5.5 **大似然估计 82
5.5.1 条件对数似然和均方误差. .84
5.5.2 **大似然的性质 84
5.6 贝叶斯统计 85
5.6.1 **大后验 (MAP) 估计 87
5.7 监督学习算法 88
5.7.1 概率监督学习 88
5.7.2 支持向量机 88
5.7.3 其他简单的监督学习算法. .90
5.8 无监督学习算法. .91
5.8.1 主成分分析 92
5.8.2 k-均值聚类 .94
5.9 随机梯度下降 94
5.10 构建机器学习算法 96
5.11 促使深度学习发展的挑战 . 96
5.11.1 维数灾难 . 97
5.11.2 局部不变性和平滑正则化 97
5.11.3 流形学习 . 99
第 2 部分 深度网络：现代实践
第 6 章 深度前馈网络 105
6.1 实例：学习 XOR. . 107
6.2 基于梯度的学习 110
6.2.1 代价函数 . 111
6.2.2 输出单元 . 113
6.3 隐藏单元. .119
6.3.1 整流线性单元及其扩展 120
6.3.2 logistic sigmoid 与双曲正切函数 121
6.3.3 其他隐藏单元 . 122
6.4 架构设计. .123
6.4.1 万 能近似性质和深度.123
6.4.2 其他架构上的考虑 .126
6.5 反向传播和其他的微分算法.126
6.5.1 计算图 . 127
6.5.2 微积分中的链式法则.128
6.5.3 递归地使用链式法则来实现反向传播 128
6.5.4 全连接 MLP 中的反向传播计算 131
6.5.5 符号到符号的导数 .131
6.5.6 一般化的反向传播 .133
6.5.7 实例：用于 MLP 训练的反向传播 .135
6.5.8 复杂化 . 137
6.5.9 深度学习界以外的微分 137
6.5.10 高阶微分 138
6.6 历史小记. .139
第 7 章 深度学习中的正则化 . 141
7.1 参数范数惩罚 . 142
7.1.1 L2 参数正则化 142
7.1.2 L1 正则化 144
7.2 作为约束的范数惩罚. .146
7.3 正则化和欠约束问题. .147
7.4 数据集增强 . 148
7.5 噪声鲁棒性 . 149
7.5.1 向输出目标注入噪声.150
7.6 半监督学习 . 150
7.7 多任务学习 . 150
7.8 提前终止. .151
7.9 参数绑定和参数共享. .156
7.9.1 卷积神经网络 . 156
7.10 稀疏表示.157
7.11 Bagging 和其他集成方法.158
7.12 Dropout159
7.13 对抗训练.165
7.14 切面距离、正切传播和流形正切分类器 167
第 8 章 深度模型中的优化. .169
8.1 学习和纯优化有什么不同 . 169
8.1.1 经验风险**小化 . 169
8.1.2 代理损失函数和提前终止 170
8.1.3 批量算法和小批量算法 170
8.2 神经网络优化中的挑战 . 173
8.2.1 病态 . 173
8.2.2 局部极小值 . 174
8.2.3 高原、鞍点和其他平坦区域 .175
8.2.4 悬崖和梯度爆炸 . 177
8.2.5 长期依赖 . 177
8.2.6 非精 确梯度 . 178
8.2.7 局部和全局结构间的弱对应 178
8.2.8 优化的理论限制 . 179
8.3 基本算法. .180
8.3.1 随机梯度下降 . 180
8.3.2 动量 . 181
8.3.3 Nesterov 动量.183
8.4 参数初始化策略 184
8.5 自适应学习率算法 187
8.5.1 AdaGrad 187
8.5.2 RMSProp 188
8.5.3 Adam 189
8.5.4 选择正确的优化算法.190
8.6 二阶近似方法 . 190
8.6.1 牛顿法 . 190
8.6.2 共轭梯度 . 191
8.6.3 BFGS. . 193
8.7 优化策略和元算法 194
8.7.1 批标准化 . 194
8.7.2 坐标下降 . 196
8.7.3 Polyak 平均 197
8.7.4 监督预训练 . 197
8.7.5 设计有助于优化的模型 199
8.7.6 延拓法和课程学习 .199
第 9 章 卷积网络 . 201
9.1 卷积运算. .201
9.2 动机 203
9.3 池化 207
9.4 卷积与池化作为一种无限强的先验 . 210
9.5 基本卷积函数的变体. .211
9.6 结构化输出 . 218
9.7 数据类型. .219
9.8 高效的卷积算法 220
9.9 随机或无监督的特征. .220
9.10 卷积网络的神经科学基础 221
9.11 卷积网络与深度学习的历史 . 226
第 10 章 序列建模：循环和递归网络 . 227
10.1 展开计算图 228
10.2 循环神经网络230
10.2.1 导师驱动过程和输出循环网络 . 232
10.2.2 计算循环神经网络的梯度 . 233
10.2.3 作为有向图模型的循环网络 . 235
10.2.4 基于上下文的 RNN 序列建模 . 237
10.3 双向 RNN . 239
10.4 基于编码 - 解码的序列到序列架构 . 240
10.5 深度循环网络242
10.6 递归神经网络243
10.7 长期依赖的挑战 . 244
10.8 回声状态网络245
10.9 渗漏单元和其他多时间尺度的策略 247
10.9.1 时间维度的跳跃连接. .247
10.9.2 渗漏单元和一系列不同时间尺度 . 247
10.9.3 删除连接 248
10.10 长短期记忆和其他门控 RNN 248
10.10.1 LSTM . 248
10.10.2 其他门控 RNN. .250
10.11 优化长期依赖.251
10.11.1 截断梯度 . 251
10.11.2 引导信息流的正则化 252
10.12 外显记忆 . 253
第 11 章 实践方法论 . 256
11.1 性能度量.256
11.2 默认的基准模型 . 258
11.3 决定是否收集更多数据 259
11.4 选择超参数 259
11.4.1 手动调整超参数259
11.4.2 自动超参数优化算法. .262
11.4.3 网格搜索 262
11.4.4 随机搜索 263
11.4.5 基于模型的超参数优化 . 264
11.5 调试策略.264
11.6 示例：多位数字识别 . 267
第 12 章 应用.269
12.1 大规模深度学习 . 269
12.1.1 快速的 CPU 实现 269
12.1.2 GPU 实现 . 269
12.1.3 大规模的分布式实现. .271
12.1.4 模型压缩 271
12.1.5 动态结构 272
12.1.6 深度网络的专用硬件实现 . 273
12.2 计算机视觉 274
12.2.1 预处理 275
12.2.2 数据集增强 277
12.3 语音识别.278
12.4 自然语言处理279
12.4.1 n-gram280
12.4.2 神经语言模型 281
12.4.3 高维输出 282
12.4.4 结合 n-gram 和神经语言模型 . 286
12.4.5 神经机器翻译 287
12.4.6 历史展望 289
12.5 其他应用.290
12.5.1 推荐系统 290
12.5.2 知识表示、推理和回答 292
第 3 部分 深度学习研究
第 13 章 线性因子模型 . 297
13.1 概率 PCA 和因子分析 . 297
13.2 独立成分分析298
13.3 慢特征分析 300
13.4 稀疏编码.301
13.5 PCA 的流形解释 304
第 14 章 自编码器 306
14.1 欠完备自编码器 . 306
14.2 正则自编码器307
14.2.1 稀疏自编码器 307
14.2.2 去噪自编码器 309
14.2.3 惩罚导数作为正则. .309
14.3 表示能力、层的大小和深度 310
14.4 随机编码器和解码器.310
14.5 去噪自编码器详解 . 311
14.5.1 得分估计 312
14.5.2 历史展望 314
14.6 使用自编码器学习流形 314
14.7 收缩自编码器317
14.8 预测稀疏分解319
14.9 自编码器的应用 . 319
第 15 章 表示学习 321
15.1 贪心逐层无监督预训练 322
15.1.1 何时以及为何无监督预训练有效有效 . 323
15.2 迁移学习和领域自适应 326
15.3 半监督解释因果关系.329
15.4 分布式表示 332
15.5 得益于深度的指数增益 336
15.6 提供发现潜在原因的线索 337
第 16 章 深度学习中的结构化概率模型 339
16.1 非结构化建模的挑战.339
16.2 使用图描述模型结构.342
16.2.1 有向模型 342
16.2.2 无向模型 344
16.2.3 配分函数 345
16.2.4 基于能量的模型346
16.2.5 分离和 d-分离347
16.2.6 在有向模型和无向模型中转换 . 350
16.2.7 因子图 352
16.3 从图模型中采样 . 353
16.4 结构化建模的优势 . 353
16.5 学习依赖关系354
16.6 推断和近似推断 . 354
16.7 结构化概率模型的深度学习方法.355
16.7.1 实例：受限玻尔兹曼机 356
第 17 章 蒙特卡罗方法 . 359
17.1 采样和蒙特卡罗方法.359
17.1.1 为什么需要采样359
17.1.2 蒙特卡罗采样的基础. .359
17.2 重要采样.360
17.3 马尔可夫链蒙特卡罗方法 362
17.4 Gibbs 采样.365
17.5 不同的峰值之间的混合挑战 . 365
17.5.1 不同峰值之间通过回火来混合 . 367
17.5.2 深度也许会有助于混合 . 368
第 18 章 直面配分函数 . 369
18.1 对数似然梯度369
18.2 随机**大似然和对比散度 370
18.3 伪似然 . 375
18.4 得分匹配和比率匹配.376
18.5 去噪得分匹配378
18.6 噪声对比估计378
18.7 估计配分函数380
18.7.1 退火重要采样 382
18.7.2 桥式采样 384
第 19 章 近似推断 385
19.1 把推断视作优化问题.385
19.2 期望**大化 386
19.3 **大后验推断和稀疏编码 387
19.4 变分推断和变分学习.389
19.4.1 离散型潜变量 390
19.4.2 变分法 394
19.4.3 连续型潜变量 396
19.4.4 学习和推断之间的相互作用 . 397
19.5 学成近似推断397
19.5.1 醒眠算法 398
19.5.2 学成推断的其他形式. .398
第 20 章 深度生成模型 . 399
20.1 玻尔兹曼机 399
20.2 受限玻尔兹曼机 . 400
20.2.1 条件分布 401
20.2.2 训练受限玻尔兹曼机. .402
20.3 深度信念网络402
20.4 深度玻尔兹曼机 . 404
20.4.1 有趣的性质 406
20.4.2 DBM 均匀场推断 406
20.4.3 DBM 的参数学习 408
20.4.4 逐层预训练 408
20.4.5 联合训练深度玻尔兹曼机 . 410
20.5 实值数据上的玻尔兹曼机 413
20.5.1 Gaussian-Bernoulli RBM . 413
20.5.2 条件协方差的无向模型 . 414
20.6 卷积玻尔兹曼机 . 417
20.7 用于结构化或序列输出的玻尔兹曼机 418
20.8 其他玻尔兹曼机 . 419
20.9 通过随机操作的反向传播 419
20.9.1 通过离散随机操作的反向传播 . 420
20.10 有向生成网络.422
20.10.1 sigmoid 信念网络 . 422
20.10.2 可微生成器网络 .423
20.10.3 变分自编码器 .425
20.10.4 生成式对抗网络 .427
20.10.5 生成矩匹配网络 .429
20.10.6 卷积生成网络 .430
20.10.7 自回归网络 . 430
20.10.8 线性自回归网络 .430
20.10.9 神经自回归网络 .431
20.10.10 NADE 432
20.11 从自编码器采样 433
20.11.1 与任意去噪自编码器相关的马尔可夫链 434
20.11.2 夹合与条件采样 .434
20.11.3 回退训练过程 .435
20.12 生成随机网络.435
20.12.1 判别性 GSN 436
20.13 其他生成方案.436
20.14 评估生成模型.437
20.15 结论 438
参考文献. .439
索引 486
《动手学深度学习》目录
对本书的赞誉
前言
如何使用本书
资源与支持
主要符号表
第 1 章 深度学习简介 1
1.1 起源 2
1.2 发展 4
1.3 成功案例 6
1.4 特点 7
小结 8
练习 8
第 2 章 预备知识 9
2.1 获取和运行本书的代码 9
2.1.1 获取代码并安装运行环境 9
2.1.2 更新代码和运行环境 11
2.1.3 使用GPU版的MXNet 11
小结12
练习12
2.2 数据操作 12
2.2.1 创建NDArray 12
2.2.2 运算 14
2.2.3 广播机制 16
2.2.4 索引 17
2.2.5 运算的内存开销 17
2.2.6 NDArray和NumPy相互变换18
小结19
练习19
2.3 自动求梯度 19
2.3.1 简单例子 19
2.3.2 训练模式和预测模式 20
2.3.3 对Python控制流求梯度 20
小结21
练习21
2.4 查阅文档 21
2.4.1 查找模块里的所有函数和类 21
2.4.2 查找特定函数和类的使用 22
2.4.3 在MXNet网站上查阅 23
小结 24
练习 24
第3 章 深度学习基础 25
3.1 线性回归 25
3.1.1 线性回归的基本要素 25
3.1.2 线性回归的表示方法 28
小结 30
练习 30
3.2 线性回归的从零开始实现 30
3.2.1 生成数据集 30
3.2.2 读取数据集 32
3.2.3 初始化模型参数 32
3.2.4 定义模型 33
3.2.5 定义损失函数 33
3.2.6 定义优化算法 33
3.2.7 训练模型 33
小结 34
练习 34
3.3 线性回归的简洁实现 35
3.3.1 生成数据集 35
3.3.2 读取数据集 35
3.3.3 定义模型 36
3.3.4 初始化模型参数 36
3.3.5 定义损失函数 37
3.3.6 定义优化算法 37
3.3.7 训练模型 37
小结 38
练习 38
3.4 softmax回归 38
3.4.1 分类问题 38
3.4.2 softmax回归模型 39
3.4.3 单样本分类的矢量计算表达式 40
3.4.4 小批量样本分类的矢量计算表达式 40
3.4.5 交叉熵损失函数 41
3.4.6 模型预测及评价 42
小结 42
练习 42
3.5 图像分类数据集（Fashion-MNIST） 42
3.5.1 获取数据集 42
3.5.2 读取小批量 44
小结 45
练习 45
3.6 softmax回归的从零开始实现 45
3.6.1 读取数据集 45
3.6.2 初始化模型参数 45
3.6.3 实现softmax运算 46
3.6.4 定义模型 46
3.6.5 定义损失函数 47
3.6.6 计算分类准确率 47
3.6.7 训练模型 48
3.6.8 预测 48
小结 49
练习 49
3.7 softmax回归的简洁实现 49
3.7.1 读取数据集 49
3.7.2 定义和初始化模型 50
3.7.3 softmax和交叉熵损失函数 50
3.7.4 定义优化算法 50
3.7.5 训练模型 50
小结 50
练习 50
3.8 多层感知机 51
3.8.1 隐藏层 51
3.8.2 激活函数 52
3.8.3 多层感知机 55
小结 55
练习 55
3.9 多层感知机的从零开始实现 56
3.9.1 读取数据集 56
3.9.2 定义模型参数 56
3.9.3 定义激活函数 56
3.9.4 定义模型 56
3.9.5 定义损失函数 57
3.9.6 训练模型 57
小结 57
练习 57
3.10 多层感知机的简洁实现 57
3.10.1 定义模型 58
3.10.2 训练模型 58
小结 58
练习 58
3.11 模型选择、欠拟合和过拟合 58
3.11.1 训练误差和泛化误差 59
3.11.2 模型选择 59
3.11.3 欠拟合和过拟合 60
3.11.4 多项式函数拟合实验 61
小结 65
练习 65
3.12 权重衰减 65
3.12.1 方法 65
3.12.2 高维线性回归实验 66
3.12.3 从零开始实现 66
3.12.4 简洁实现 68
小结 70
练习 70
3.13 丢弃法 70
3.13.1 方法 70
3.13.2 从零开始实现 71
3.13.3 简洁实现 73
小结 74
练习 74
3.14 正向传播、反向传播和计算图 74
3.14.1 正向传播 74
3.14.2 正向传播的计算图 75
3.14.3 反向传播 75
3.14.4 训练深度学习模型 76
小结 77
练习 77
3.15 数值稳定性和模型初始化 77
3.15.1 衰减和爆炸 77
3.15.2 随机初始化模型参数 78
小结 78
练习 79
3.16 实战Kaggle比赛：房价预测 79
3.16.1 Kaggle比赛 79
3.16.2 读取数据集 80
3.16.3 预处理数据集 81
3.16.4 训练模型 82
3.16.5 k 折交叉验证 82
3.16.6 模型选择 83
3.16.7 预测并在Kaggle提交结果 84
小结 85
练习 85
第4 章 深度学习计算 86
4.1 模型构造 86
4.1.1 继承Block类来构造模型 86
4.1.2 Sequential类继承自Block类 87
4.1.3 构造复杂的模型 88
小结 89
练习 90
4.2 模型参数的访问、初始化和共享 90
4.2.1 访问模型参数 90
4.2.2 初始化模型参数 92
4.2.3 自定义初始化方法 93
4.2.4 共享模型参数 94
小结 94
练习 94
4.3 模型参数的延后初始化 95
4.3.1 延后初始化 95
4.3.2 避免延后初始化 96
小结 96
练习 97
4.4 自定义层 97
4.4.1 不含模型参数的自定义层 97
4.4.2 含模型参数的自定义层 98
小结 99
练习 99
4.5 读取和存储 99
4.5.1 读写NDArray 99
4.5.2 读写Gluon模型的参数 100
小结 101
练习 101
4.6 GPU计算 101
4.6.1 计算设备 102
4.6.2 NDArray的GPU计算 102
4.6.3 Gluon的GPU计算 104
小结 105
练习 105
第5 章 卷积神经网络 106
5.1 二维卷积层 106
5.1.1 二维互相关运算 106
5.1.2 二维卷积层 107
5.1.3 图像中物体边缘检测 108
5.1.4 通过数据学习核数组 109
5.1.5 互相关运算和卷积运算 109
5.1.6 特征图和感受野 110
小结 110
练习 110
5.2 填充和步幅 111
5.2.1 填充 111
5.2.2 步幅 112
小结 113
练习 113
5.3 多输入通道和多输出通道 114
5.3.1 多输入通道 114
5.3.2 多输出通道 115
5.3.3 1×1卷积层 116
小结 117
练习 117
5.4 池化层 117
5.4.1 二维*大池化层和平均池化层 117
5.4.2 填充和步幅 119
5.4.3 多通道 120
小结 120
练习 121
5.5 卷积神经网络（LeNet） 121
5.5.1 LeNet模型 121
5.5.2 训练模型 122
小结 124
练习 124
5.6 深度卷积神经网络（AlexNet） 124
5.6.1 学习特征表示 125
5.6.2 AlexNet 126
5.6.3 读取数据集 127
5.6.4 训练模型 128
小结 128
练习 129
5.7 使用重复元素的网络（VGG） 129
5.7.1 VGG块 129
5.7.2 VGG网络 129
5.7.3 训练模型 130
小结 131
练习 131
5.8 网络中的网络（NiN） 131
5.8.1 NiN块 131
5.8.2 NiN模型 132
5.8.3 训练模型 133
小结 134
练习 134
5.9 含并行连结的网络（GoogLeNet） 134
5.9.1 Inception块 134
5.9.2 GoogLeNet模型 135
5.9.3 训练模型 137
小结 137
练习 137
5.10 批量归一化 138
5.10.1 批量归一化层 138
5.10.2 从零开始实现 139
5.10.3 使用批量归一化层的LeNet 140
5.10.4 简洁实现 141
小结 142
练习 142
5.11 残差网络（ResNet） 143
5.11.1 残差块 143
5.11.2 ResNet模型 145
5.11.3 训练模型 146
小结 146
练习 146
5.12 稠密连接网络（DenseNet） 147
5.12.1 稠密块 147
5.12.2 过渡层 148
5.12.3 DenseNet模型 148
5.12.4 训练模型 149
小结 149
练习 149
第6 章 循环神经网络 150
6.1 语言模型 150
6.1.1 语言模型的计算 151
6.1.2 n 元语法 151
小结 152
练习 152
6.2 循环神经网络 152
6.2.1 不含隐藏状态的神经网络 152
6.2.2 含隐藏状态的循环神经网络 152
6.2.3 应用：基于字符级循环神经网络的语言模型 154
小结 155
练习 155
6.3 语言模型数据集（歌词） 155
6.3.1 读取数据集 155
6.3.2 建立字符索引 156
6.3.3 时序数据的采样 156
小结 158
练习 159
6.4 循环神经网络的从零开始实现 159
6.4.1 one-hot向量 159
6.4.2 初始化模型参数 160
6.4.3 定义模型 160
6.4.4 定义预测函数 161
6.4.5 裁剪梯度 161
6.4.6 困惑度 162
6.4.7 定义模型训练函数 162
6.4.8 训练模型并创作歌词 163
小结 164
练习 164
6.5 循环神经网络的简洁实现 165
6.5.1 定义模型 165
6.5.2 训练模型 166
小结 168
练习 168
6.6 通过时间反向传播 168
6.6.1 定义模型 168
6.6.2 模型计算图 169
6.6.3 方法 169
小结 170
练习 170
6.7 门控循环单元（GRU） 170
6.7.1 门控循环单元 171
6.7.2 读取数据集 173
6.7.3 从零开始实现 173
6.7.4 简洁实现 175
小结 176
练习 176
6.8 长短期记忆（LSTM） 176
6.8.1 长短期记忆 176
6.8.2 读取数据集 179
6.8.3 从零开始实现 179
6.8.4 简洁实现 181
小结 181
练习 182
6.9 深度循环神经网络 182
小结 183
练习 183
6.10 双向循环神经网络 183
小结 184
练习 184
第7 章 优化算法 185
7.1 优化与深度学习 185
7.1.1 优化与深度学习的关系 185
7.1.2 优化在深度学习中的挑战 186
小结 188
练习 189
7.2 梯度下降和随机梯度下降 189
7.2.1 一维梯度下降 189
7.2.2 学习率 190
7.2.3 多维梯度下降 191
7.2.4 随机梯度下降 193
小结 194
练习 194
7.3 小批量随机梯度下降 194
7.3.1 读取数据集 195
7.3.2 从零开始实现 196
7.3.3 简洁实现 198
小结 199
练习 199
7.4 动量法 200
7.4.1 梯度下降的问题 200
7.4.2 动量法 201
·6· 目 录
7.4.3 从零开始实现 203
7.4.4 简洁实现 205
小结 205
练习 205
7.5 AdaGrad算法206
7.5.1 算法 206
7.5.2 特点 206
7.5.3 从零开始实现 208
7.5.4 简洁实现 209
小结 209
练习 209
7.6 RMSProp算法 209
7.6.1 算法 210
7.6.2 从零开始实现 211
7.6.3 简洁实现 212
小结 212
练习 212
7.7 AdaDelta算法 212
7.7.1 算法 212
7.7.2 从零开始实现 213
7.7.3 简洁实现 214
小结 214
练习 214
7.8 Adam算法 215
7.8.1 算法 215
7.8.2 从零开始实现 216
7.8.3 简洁实现 216
小结 217
练习 217
第8 章 计算性能 218
8.1 命令式和符号式混合编程 218
8.1.1 混合式编程取两者之长 220
8.1.2 使用HybridSequential类构造模型 220
8.1.3 使用HybridBlock类构造模型 222
小结 224
练习 224
8.2 异步计算 224
8.2.1 MXNet中的异步计算 224
8.2.2 用同步函数让前端等待计算结果 226
8.2.3 使用异步计算提升计算性能 226
8.2.4 异步计算对内存的影响 227
小结 229
练习 229
8.3 自动并行计算 229
8.3.1 CPU和GPU的并行计算 230
8.3.2 计算和通信的并行计算 231
小结 231
练习 231
8.4 多GPU计算 232
8.4.1 数据并行 232
8.4.2 定义模型 233
8.4.3 多GPU之间同步数据 234
8.4.4 单个小批量上的多GPU训练 236
8.4.5 定义训练函数 236
8.4.6 多GPU训练实验 237
小结 237
练习 237
8.5 多GPU计算的简洁实现 237
8.5.1 多GPU上初始化模型参数 238
8.5.2 多GPU训练模型 239
小结 241
练习 241
第9 章 计算机视觉 242
9.1 图像增广242
9.1.1 常用的图像增广方法 243
9.1.2 使用图像增广训练模型 246
小结 250
练习 250
9.2 微调 250
热狗识别 251
小结 255
练习 255
目 录 ·7·
9.3 目标检测和边界框 255
边界框 256
小结 257
练习 257
9.4 锚框 257
9.4.1 生成多个锚框 257
9.4.2 交并比 259
9.4.3 标注训练集的锚框 260
9.4.4 输出预测边界框 263
小结 265
练习 265
9.5 多尺度目标检测 265
小结 268
练习 268
9.6 目标检测数据集（皮卡丘） 268
9.6.1 获取数据集 269
9.6.2 读取数据集 269
9.6.3 图示数据 270
小结 270
练习 271
9.7 单发多框检测（SSD） 271
9.7.1 定义模型 271
9.7.2 训练模型 275
9.7.3 预测目标 277
小结 278
练习 278
9.8 区域卷积神经网络（R-CNN）系列280
9.8.1 R-CNN 280
9.8.2 Fast R-CNN 281
9.8.3 Faster R-CNN 283
9.8.4 Mask R-CNN 284
小结 285
练习 285
9.9 语义分割和数据集 285
9.9.1 图像分割和实例分割 285
9.9.2 Pascal VOC2012语义分割数据集 286
小结 290
练习 290
9.10 全卷积网络（FCN） 290
9.10.1 转置卷积层 291
9.10.2 构造模型 292
9.10.3 初始化转置卷积层 294
9.10.4 读取数据集 295
9.10.5 训练模型 296
9.10.6 预测像素类别 296
小结 297
练习 297
9.11 样式迁移 298
9.11.1 方法 298
9.11.2 读取内容图像和样式图像 299
9.11.3 预处理和后处理图像 300
9.11.4 抽取特征 301
9.11.5 定义损失函数 302
9.11.6 创建和初始化合成图像 303
9.11.7 训练模型 304
小结 306
练习 306
9.12 实战Kaggle比赛：图像
分类（CIFAR-10）306
9.12.1 获取和整理数据集 307
9.12.2 图像增广 310
9.12.3 读取数据集 310
9.12.4 定义模型 311
9.12.5 定义训练函数 312
9.12.6 训练模型 312
9.12.7 对测试集分类并在Kaggle
提交结果 313
小结 313
练习 313
9.13 实战Kaggle比赛：狗的品种
识别（ImageNet Dogs） 314
9.13.1 获取和整理数据集 315
9.13.2 图像增广 316
9.13.3 读取数据集 317
9.13.4 定义模型 318
9.13.5 定义训练函数 318
9.13.6 训练模型 319
·8· 目 录
9.13.7 对测试集分类并在Kaggle提交结果 319
小结 320
练习 320
第 10 章 自然语言处理 321
10.1 词嵌入（word2vec） 321
10.1.1 为何不采用one-hot向量 321
10.1.2 跳字模型 322
10.1.3 连续词袋模型 323
小结 325
练习 325
10.2 近似训练325
10.2.1 负采样 325
10.2.2 层序softmax 326
小结 327
练习 328
10.3 word2vec的实现328
10.3.1 预处理数据集 328
10.3.2 负采样 331
10.3.3 读取数据集 331
10.3.4 跳字模型 332
10.3.5 训练模型 333
10.3.6 应用词嵌入模型 335
小结 336
练习 336
10.4 子词嵌入（fastText） 336
小结 337
练习 337
10.5 全局向量的词嵌入（GloVe）337
10.5.1 GloVe模型 338
10.5.2 从条件概率比值理解GloVe模型 339
小结 340
练习 340
10.6 求近义词和类比词340
10.6.1 使用预训练的词向量 340
10.6.2 应用预训练词向量 341
小结 343
练习 343
10.7 文本情感分类：使用循环神经网络 343
10.7.1 文本情感分类数据集 343
10.7.2 使用循环神经网络的模型 345
小结 347
练习 347
10.8 文本情感分类：使用卷积神经网络（textCNN） 347
10.8.1 一维卷积层 348
10.8.2 时序*大池化层 349
10.8.3 读取和预处理IMDb数据集 350
10.8.4 textCNN模型 350
小结 353
练习 353
10.9 编码器-解码器（seq2seq）353
10.9.1 编码器 354
10.9.2 解码器 354
10.9.3 训练模型 355
小结 355
练习 355
10.10 束搜索 355
10.10.1 贪婪搜索 356
10.10.2 穷举搜索 357
10.10.3 束搜索 357
小结 358
练习 358
10.11 注意力机制 358
10.11.1 计算背景变量 359
10.11.2 更新隐藏状态 360
10.11.3 发展 361
小结 361
练习 361
10.12 机器翻译 361
10.12.1 读取和预处理数据集 361
10.12.2 含注意力机制的编码器-解码器 363
10.12.3 训练模型 365
10.12.4 预测不定长的序列 367
10.12.5 评价翻译结果 367
小结 369
练习 369
附录A 数学基础 370
附录B 使用 Jupyter 记事本 376
附录C 使用 AWS 运行代码 381
附录D GPU 购买指南 388
附录E 如何为本书做贡献 391
附录F d2lzh 包索引 395
附录G 中英文术语对照表 397
参考文献 402
索引 407
作者介绍
Ian Goodfellow，谷歌公司(Google) 的研究科学家，2014 年蒙特利尔大学机器学习博士。他的研究兴趣涵盖大多数深度学习主题，特别是生成模型以及机器学习的安全和隐私。Ian Goodfellow 在研究对抗样本方面是一位有影响力的早期研究者，他发明了生成式对抗网络，在深度学习领域贡献卓 越。 Yoshua Bengio，蒙特利尔大学计算机科学与运筹学系(DIRO) 的教授，蒙特利尔学习算法研究所(MILA) 的负责人，CIFAR 项目的共同负责人，加拿大统计学习算法研究主席。Yoshua Bengio 的主要研究目标是了解产生智力的学习原则。他还教授“机器学习”研究生课程(IFT6266)，并培养了一大批研究生和博士后。 Aaron Courville，蒙特利尔大学计算机科学与运筹学系的助理教授，也是LISA 实验室的成员。目前他的研究兴趣集中在发展深度学习模型和方法，特别是开发概率模型和新颖的推断方法。Aaron Courville 主要专注于计算机视觉应用，在其他领域，如自然语言处理、音频信号处理、语音理解和其他AI 相关任务方面也有所研究。 中文版审校者简介 张志华，北京大学数学科学学院统计学教授，北京大学大数据研究中心和北京大数据研究院数据科学教授，主要从事机器学习和应用统计学的教学与研究工作。 译者简介 赵申剑，上海交通大学计算机系硕士研究生，研究方向为数值优化和自然语言处理。 黎彧君，上海交通大学计算机系博士研究生，研究方向为数值优化和强化学习。 符天凡，上海交通大学计算机系硕士研究生，研究方向为贝叶斯推断。 李凯，上海交通大学计算机系博士研究生，研究方向为博弈论和强化学习。 阿斯顿·张（Aston Zhang） 亚马逊应用科学家，美国伊利诺伊大学香槟分校计算机科学博士，统计学和计算机科学双硕士。他专注于机器学习的研究，并在数个学术会议发表过论文。他担任过NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等学术会议的程序委员或审稿人以及Frontiers in Big Data 期刊的编委。 李沐（Mu Li） 亚马逊&席科学家（Principal Scientist），加州大学伯克利分校客座助理教授，美国卡内基梅隆大学计算机系博士。他专注于分布式系统和机器学习算法的研究。他是深度学习框架MXNet 的作者之一。他曾任机器学习创业公司Marianas Labs 的CTO 和百度深度学习研究院的主任研发架构师。他在理论、机器学习、应用和操作系统等多个领域的顶*学术会议（包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD 、WSDM、OSDI）上发表过论文。 扎卡里·C. 立顿（Zachary C. Lipton） 亚马逊应用科学家，美国卡内基梅隆大学助理教授，美国加州大学圣迭戈分校博士。他专注于机器学习算法及其社会影响的研究，特别是在时序数据与序列决策上的深度学习。这类工作有着广泛的应用场景，包括医疗诊断、对话系统和产品推荐。他创立了博客“Approximately Correct”（approximatelycorrect.com）。 亚历山大·J. 斯莫拉（Alexander J. Smola） 亚马逊副总裁/ 杰出科学家，德国柏林工业大学计算机科学博士。他曾在澳大利亚国立大学、美国加州大学伯克利分校和卡内基梅隆大学任教。他发表了超过200 篇学术论文，并著有5 本书，其论文及书被引用超过10 万次。他的研究兴趣包括深度学习、贝叶斯非参数、核方法、统计建模和可扩展算法。
