深度學習算法實踐 深度学习算法实践

吳岸城
致力於深度學習在文本、圖像領域的應用。曾中興通訊、亞信聯創擔任研發經理、技術經理等職務，現任菱歌科技首席算法科學家一職。

第1章開始1 
1.1從傳統的軟件工程思維轉型1 
1.2建立算法思維2 
1.2.1算法的開發流程3 
1.2.2做算法的步驟4 
1.2.3英特的總結8 
1.3觀察！觀察！觀察！重要的事情說三遍11 

第2章文本分析實戰15 
2.1第一個文本問題15 
2.1.1郵件標題的預處理15 
2.1.2選用算法18 
2.1.3用CNN做文本分類21 
2.2情感分類24 
2.2.1先分析需求24 
2.2.2詞法分析25 
2.2.3機器學習28 
2.2.4試試LSTM模型30 
2.3文本深度特徵提取31 
2.3.1詞特徵表示31 
2.3.2句子特徵表示42 
2.3.3深度語義模型51 

第3章做一個對話機器人53 
3.1理解人類提問56 
3.2答案的抽取和選擇57 
3.3蘊含關係62 
3.4生成式對話模型（Generative Model）63 
3.5判斷機器人說話的準確性69 
3.6智能對話的總結和思考70 

第4章視覺識別73 
4.1從人臉識別開始74 
4.1.1OpenCV能做什麼74 
4.1.2檢測精度的進化：Dlib79 
4.1.3表情識別：Openface83 
4.2深度卷積網絡87 
4.2.1CNN的演化過程87 
4.2.2深度卷積和更深的捲積96 
4.2.3實現更深的捲積網絡103 
4.2.4殘差網絡的實現108 
4.2.5十全大補藥：通用的提高精度的方法111 
4.2.6圖像訓練需要注意的地方116 
4.3目標檢測125 
4 .3.1用SSD來實現目標檢測應用133 
4.3.2SSD訓練源碼提示136 
4.4視覺領域的應用138 
4.4.1藝術風格畫138 
4.4.2看圖說話：用文字描述一幅圖像（BiRNN+CNN）140 
4.4 .3CNN的有趣應用：語音識別142

 
第5章強化學習實踐144 
5.1吃豆子和強化學習144 
5.2馬爾科夫決策過程146 
5.3理解Q網絡149 
深度學習算法實踐
5.4模擬物理世界：OpenAI151 
5.5實現一個DQN153 
5.5.1DQN代碼實現153 
5.5.2DQN過程的圖表化159 
5.6關於強化學習的思考162 
5.6.1強化學習的特殊性162 
5.6.2知識的形成要素：記憶164 
5.6.3終極理想：終身學習169 

第6章預測與推薦172 
6.1從Google的感冒預測說起172 
6.2股票預測（一）174 
6.2.1股票業務整理175 
6.2.2數據獲取和準備178 
6.2.3模型搭建182 
6.2.4優化185 
6.2.5後續186 
6.3股票預測（二）188 
6.4深度學習在推薦領域的應用：Lookalike算法196 
6.4.1調研197 
6.4.2實現200 
6.4.3結果204 
6.4.4總結探討204 
參考文獻206