目錄
譯者序
原書前言
本書的讀者對象和閱讀本書所需的必要知識
本書的構(gòu)成
第1 部分 Python入門篇
第0 章 開發(fā)環(huán)境的準(zhǔn)備 001
0.1 Anaconda 的安裝 002
0.1.1 Anaconda 的安裝方法 002
0.1.2 虛擬環(huán)境的搭建 006
0.1.3 庫的安裝 008
0.1.4 Jupyter 的啟動和安裝 009
0.2 Google Colaboratory 的使用 012
0.3 macOS 中虛擬環(huán)境的搭建 013
第1 章 運(yùn)算、變量和類型 017
1.1 輸出Hello world 018
1.1.1 關(guān)于Python 018
1.1.2 使用Python 輸出Hello world 018
1.2 Python 的用途 019
1.3 注釋的輸入 020
1.4 數(shù)字和字符串 021
1.5 運(yùn)算 023
1.6 變量 026
1.6.1 變量的定義 026
1.6.2 變量的命名規(guī)則 026
1.7 變量的更新 030
1.8 字符串的拼接 035
1.9 類型 037
1.10 類型的轉(zhuǎn)換 040
1.11 比較運(yùn)算符的轉(zhuǎn)換 043
第2 章 if 條件語句 045
2.1 if 語句 046
2.2 else 語句 049
2.3 elif 語句 051
2.4 and、not、or 054
第3 章 列表類型 057
3.1 列表類型① 058
3.2 列表類型② 060
3.3 list in list 062
3.4 列表的取值 064
3.5 列表的切片 066
3.6 列表元素的更新和添加 069
3.7 列表元素的刪除 071
3.8 列表類型的注意要點(diǎn) 073
第4 章 字典類型 077
4.1 什么是字典類型 078
4.2 字典的取值 080
4.3 字典的更新和添加 082
4.4 字典元素的刪除 084
第5 章 while 語句 087
5.1 什么是while 語句 088
5.2 while 語句的使用 090
5.3 while+if 語句的使用 092
第6 章 for 語句 095
6.1 什么是for 語句 096
6.2 什么是break 語句 098
6.3 什么是continue 語句 100
6.4 for 語句中的索引表示 102
6.5 列表嵌套循環(huán) 104
6.6 字典類型的循環(huán) 106
第7 章 函數(shù)與方法 109
7.1 函數(shù)的基礎(chǔ)與內(nèi)置函數(shù) 110
7.2 函數(shù)與方法的說明 114
7.3 字符串類型的方法 117
7.4 字符串類型的方法（format） 119
7.5 列表類型的方法（index） 121
7.6 列表類型的方法（sort） 123
7.7 定義一個函數(shù) 126
7.8 參數(shù) 128
7.9 多個參數(shù) 130
7.10 參數(shù)的默認(rèn)值 132
7.11 return 134
7.12 函數(shù)的import 137
第8 章 對象和類 141
8.1 對象 142
8.2 類（成員和構(gòu)造方法） 144
8.3 類（方法） 147
8.4 字符串的格式化 151
第2 部分
深度學(xué)習(xí)篇
第9 章 NumPy 與數(shù)組 155
9.1 NumPy 簡介 156
9.2 NumPy 的import 157
9.3 NumPy 與列表的比較 158
9.4 array 的創(chuàng)建 160
9.4.1 關(guān)于array 的創(chuàng)建 160
9.4.2 數(shù)組形狀的指定方法 160
9.4.3 基于數(shù)組范圍創(chuàng)建數(shù)組的方法 161
9.5 元素的訪問 163
9.6 np.array 的屬性 165
9.7 slice 167
9.8 數(shù)組特定元素的訪問 169
9.9 數(shù)組的運(yùn)算 171
9.10 np.array 的形狀操作 173
9.11 數(shù)組的合并 177
9.12 數(shù)組的分割 179
9.13 數(shù)組的復(fù)制 180
9.14 數(shù)組的多種運(yùn)算 181
9.15 廣播 186
第10 章 Pandas 與DataFrame 189
10.1 Pandas 簡介 190
10.2 DataFrame 的創(chuàng)建 193
10.3 DataFrame 的表示 195
10.4 統(tǒng)計(jì)量的表示 198
10.5 DataFrame 的排序（sort） 199
10.6 DataFrame 的篩選 201
10.7 特定條件的取值 205
10.8 列的添加 206
10.9 DataFrame 的運(yùn)算 207
10.10 復(fù)雜的運(yùn)算 211
10.11 DataFrame 的合并 213
10.12 分組 218
10.13 圖表的表示 220
第11 章 單層感知器 225
11.1 單層感知器簡介 226
11.1.1 什么是單層感知器 226
11.1.2 關(guān)于單層感知器的學(xué)習(xí) 226
11.2 單層感知器的實(shí)際操作 230
11.2.1 NumPy 和Keras 的模塊導(dǎo)入 230
11.2.2 學(xué)習(xí)網(wǎng)絡(luò)定義 230
11.2.3 神經(jīng)網(wǎng)絡(luò)的輸入和監(jiān)督信號的設(shè)定 231
11.2.4 學(xué)習(xí)的設(shè)置與實(shí)行 231
11.2.5 學(xué)習(xí)權(quán)重的確認(rèn) 233
11.2.6 學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)的輸出確認(rèn) 234
第12 章 深度學(xué)習(xí)入門 235
12.1 深度學(xué)習(xí)簡介 236
12.1.1 什么是深度學(xué)習(xí) 236
12.1.2 多層感知器的學(xué)習(xí)方法 236
12.2 CrossEntropy 239
12.3 softmax 240
12.4 SGD 241
12.5 梯度消失問題 242
12.6 深度學(xué)習(xí)的應(yīng)用 244
12.7 利用全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行分類 246
12.8 利用全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行分類（CIFAR10） 249
12.9 卷積層神經(jīng)網(wǎng)絡(luò)簡介 253
12.9.1 深度學(xué)習(xí)中層的種類 253
12.9.2 什么是卷積層神經(jīng)網(wǎng)絡(luò) 253
12.9.3 卷積層神經(jīng)網(wǎng)絡(luò)的計(jì)算方法 254
12.10 批量正則化 256
12.11 Global Average Pooling 257
12.12 Keras 267
12.12.1 什么是Keras 267
12.12.2 Keras 的Sequence 模型與Model API 267
12.12.3 Keras 的編程實(shí)例 268
第13 章 遷移學(xué)習(xí)與NyanCheck 開發(fā) 271
13.1 遷移學(xué)習(xí)簡介 272
13.2 關(guān)于NyanCheck 273
13.3 NyanCheck 應(yīng)用程序的構(gòu)成 274
13.3.1 樣本NyanCheck 應(yīng)用程序的構(gòu)成 274
13.3.2 HTML 的模板 274
13.3.3 腳本的應(yīng)用 276
13.3.4 服務(wù)器端的處理 277
13.3.5 貓種類識別的操作 281
13.4 數(shù)據(jù)的收集、整理和分類 284
13.4.1 貓種類的判別 284
13.4.2 圖像獲取的操作 286
13.5 數(shù)據(jù)的擴(kuò)充及學(xué)習(xí) 294
13.5.1 模塊的import 294
13.5.2 數(shù)據(jù)的學(xué)習(xí) 294
13.5.3 模型的編譯 297
13.5.4 運(yùn)行應(yīng)用程序 302
13.6 關(guān)于Google Cloud Platform