深度学习.基于案例理解深度神经网络

本书探讨深度学习中的高级主题, 例如优化算法、超参数调整、Dropout和误差分析, 以及如何解决在训练深度神经网络时遇到的典型问题。书中首先介绍单一神经元网络的激活函数 (ReLu、sigmoid和Swish), 然后介绍如何使用TensorFlow进行线性和逻辑回归, 以及如何选择正确的代价函数, 之后讨论具有多个层和神经元的更复杂的神经网络结构, 并探讨了权重的随机初始化问题。本书用一整章对神经网络误差分析进行全面概述, 给出解决来自不同分布的方差、偏差、过拟合和数据集问题的例子。