书籍详情
Hadoop深度学习
作者：迪帕延·德夫（Dipayan Dev） 著，范东来，赵运枫，封强 译
出版社：人民邮电出版社
出版时间：2018-05-01
ISBN：9787115482181
定价：¥39.00
购买这本书可以去
内容简介
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。
作者简介
Dipayan Dev多年大数据开发经验，擅长非关系型数据库技术和Hadoop框架，曾在IEEE和Springer的期刊上多次发表相关研究论文。现任印度PromptCloud公司软件工程师。
目录
第 1 章 深度学习介绍 1
1．1 开始深度学习之旅 5
1．1．1 深度前馈网络 6
1．1．2 各种学习算法 6
1．2 深度学习的相关术语 10
1．3 深度学习——一场人工智能革命 12
1．4 深度学习网络的分类 18
1．4．1 深度生成或无监督模型 19
1．4．2 深度判别模型 20
1．5 小结 22
第 2 章 大规模数据的分布式深度学习 23
2．1 海量数据的深度学习 24
2．2 大数据深度学习面临的挑战 27
2．2．1 海量数据带来的挑战（第 一个V） 28
2．2．2 数据多样性带来的挑战（第二个V） 28
2．2．3 数据快速处理带来的挑战（第三个V） 29
2．2．4 数据真实性带来的挑战（第四个V） 29
2．3 分布式深度学习和Hadoop 29
2．3．1 Map-Reduce 31
2．3．2 迭代Map-Reduce 31
2．3．3 YARN 32
2．3．4 分布式深度学习设计的重要特征 32
2．4 深度学习的开源分布式框架Deeplearning4j 34
2．4．1 Deeplearning4j 的主要特性 34
2．4．2 Deeplearning4j 功能总结 35
2．5 在Hadoop YARN 上配置Deeplearning4j 35
2．5．1 熟悉Deeplearning4j 36
2．5．2 为进行分布式深度学习集成Hadoop YARN 和Spark 40
2．5．3 Spark 在Hadoop YARN 上的内存分配规则 40
2．6 小结 44
第3 章 卷积神经网络 45
3．1 卷积是什么 46
3．2 卷积神经网络的背景 47
3．3 卷积神经网络的基本层 48
3．3．1 卷积神经网络深度的重要性 49
3．3．2 卷积层 49
3．3．3 为卷积层选择超参数 52
3．3．4 ReLU 层 56
3．3．5 池化层 57
3．3．6 全连接层 58
3．4 分布式深度卷积神经网络 58
3．4．1 最受欢迎的深度神经网络及其配置 58
3．4．2 训练时间——深度神经网络面临的主要挑战 59
3．4．3 将Hadoop 应用于深度卷积神经网络 59
3．5 使用Deeplearning4j 构建卷积层 61
3．5．1 加载数据 61
3．5．2 模型配置 62
3．5．3 训练与评估 63
3．6 小结 64
第4 章 循环神经网络 65
4．1 循环网络与众不同的原因 66
4．2 循环神经网络 67
4．2．1 展开循环计算 68
4．2．2 循环神经网络的记忆 69
4．2．3 架构 70
4．3 随时间反向传播 71
4．4 长短期记忆 73
4．4．1 随时间深度反向传播的问题 73
4．4．2 长短期记忆 73
4．5 双向循环神经网络 75
4．5．1 循环神经网络的不足 75
4．5．2 解决方案 76
4．6 分布式深度循环神经网络 77
4．7 用Deeplearning4j 训练循环神经网络 77
4．8 小结 80
第5 章 受限玻尔兹曼机 81
5．1 基于能量的模型 82
5．2 玻尔兹曼机 83
5．2．1 玻尔兹曼机如何学习 84
5．2．2 玻尔兹曼机的不足 85
5．3 受限玻尔兹曼机 85
5．3．1 基础架构 85
5．3．2 受限玻尔兹曼机的工作原理 86
5．4 卷积受限玻尔兹曼机 88
5．5 深度信念网络 90
5．6 分布式深度信念网络 91
5．6．1 受限玻尔兹曼机的分布式训练 91
5．6．2 深度信念网络的分布式训练 92
5．7 用Deeplearning4j 实现受限玻尔兹曼机和深度信念网络 94
5．7．1 受限玻尔兹曼机 94
5．7．2 深度信念网络 95
5．8 小结 97
第6 章 自动编码器 98
6．1 自动编码器 98
6．2 稀疏自动编码器 101
6．2．1 稀疏编码 101
6．2．2 稀疏自动编码器 102
6．3 深度自动编码器 104
6．3．1 训练深度自动编码器 104
6．3．2 使用Deeplearning4j 实现深度自动编码器 107
6．4 降噪自动编码器 108
6．4．1 降噪自动编码器的架构 109
6．4．2 堆叠式降噪自动编码器 109
6．4．3 使用Deeplearning4j 实现堆叠式降噪自动编码器 110
6．5 自动编码器的应用 112
6．6 小结 112
第7 章 用Hadoop 玩转深度学习 113
7．1 Hadoop 中的分布式视频解码 114
7．2 使用Hadoop 进行大规模图像处理 116
7．3 使用Hadoop 进行自然语言处理 117
7．3．1 Web 爬虫 118
7．3．2 自然语言处理的关键词提取和模块 118
7．3．3 从页面评估相关关键词 118
7．4 小结 119
参考文献 120
1．1 开始深度学习之旅 5
1．1．1 深度前馈网络 6
1．1．2 各种学习算法 6
1．2 深度学习的相关术语 10
1．3 深度学习——一场人工智能革命 12
1．4 深度学习网络的分类 18
1．4．1 深度生成或无监督模型 19
1．4．2 深度判别模型 20
1．5 小结 22
第 2 章 大规模数据的分布式深度学习 23
2．1 海量数据的深度学习 24
2．2 大数据深度学习面临的挑战 27
2．2．1 海量数据带来的挑战（第 一个V） 28
2．2．2 数据多样性带来的挑战（第二个V） 28
2．2．3 数据快速处理带来的挑战（第三个V） 29
2．2．4 数据真实性带来的挑战（第四个V） 29
2．3 分布式深度学习和Hadoop 29
2．3．1 Map-Reduce 31
2．3．2 迭代Map-Reduce 31
2．3．3 YARN 32
2．3．4 分布式深度学习设计的重要特征 32
2．4 深度学习的开源分布式框架Deeplearning4j 34
2．4．1 Deeplearning4j 的主要特性 34
2．4．2 Deeplearning4j 功能总结 35
2．5 在Hadoop YARN 上配置Deeplearning4j 35
2．5．1 熟悉Deeplearning4j 36
2．5．2 为进行分布式深度学习集成Hadoop YARN 和Spark 40
2．5．3 Spark 在Hadoop YARN 上的内存分配规则 40
2．6 小结 44
第3 章 卷积神经网络 45
3．1 卷积是什么 46
3．2 卷积神经网络的背景 47
3．3 卷积神经网络的基本层 48
3．3．1 卷积神经网络深度的重要性 49
3．3．2 卷积层 49
3．3．3 为卷积层选择超参数 52
3．3．4 ReLU 层 56
3．3．5 池化层 57
3．3．6 全连接层 58
3．4 分布式深度卷积神经网络 58
3．4．1 最受欢迎的深度神经网络及其配置 58
3．4．2 训练时间——深度神经网络面临的主要挑战 59
3．4．3 将Hadoop 应用于深度卷积神经网络 59
3．5 使用Deeplearning4j 构建卷积层 61
3．5．1 加载数据 61
3．5．2 模型配置 62
3．5．3 训练与评估 63
3．6 小结 64
第4 章 循环神经网络 65
4．1 循环网络与众不同的原因 66
4．2 循环神经网络 67
4．2．1 展开循环计算 68
4．2．2 循环神经网络的记忆 69
4．2．3 架构 70
4．3 随时间反向传播 71
4．4 长短期记忆 73
4．4．1 随时间深度反向传播的问题 73
4．4．2 长短期记忆 73
4．5 双向循环神经网络 75
4．5．1 循环神经网络的不足 75
4．5．2 解决方案 76
4．6 分布式深度循环神经网络 77
4．7 用Deeplearning4j 训练循环神经网络 77
4．8 小结 80
第5 章 受限玻尔兹曼机 81
5．1 基于能量的模型 82
5．2 玻尔兹曼机 83
5．2．1 玻尔兹曼机如何学习 84
5．2．2 玻尔兹曼机的不足 85
5．3 受限玻尔兹曼机 85
5．3．1 基础架构 85
5．3．2 受限玻尔兹曼机的工作原理 86
5．4 卷积受限玻尔兹曼机 88
5．5 深度信念网络 90
5．6 分布式深度信念网络 91
5．6．1 受限玻尔兹曼机的分布式训练 91
5．6．2 深度信念网络的分布式训练 92
5．7 用Deeplearning4j 实现受限玻尔兹曼机和深度信念网络 94
5．7．1 受限玻尔兹曼机 94
5．7．2 深度信念网络 95
5．8 小结 97
第6 章 自动编码器 98
6．1 自动编码器 98
6．2 稀疏自动编码器 101
6．2．1 稀疏编码 101
6．2．2 稀疏自动编码器 102
6．3 深度自动编码器 104
6．3．1 训练深度自动编码器 104
6．3．2 使用Deeplearning4j 实现深度自动编码器 107
6．4 降噪自动编码器 108
6．4．1 降噪自动编码器的架构 109
6．4．2 堆叠式降噪自动编码器 109
6．4．3 使用Deeplearning4j 实现堆叠式降噪自动编码器 110
6．5 自动编码器的应用 112
6．6 小结 112
第7 章 用Hadoop 玩转深度学习 113
7．1 Hadoop 中的分布式视频解码 114
7．2 使用Hadoop 进行大规模图像处理 116
7．3 使用Hadoop 进行自然语言处理 117
7．3．1 Web 爬虫 118
7．3．2 自然语言处理的关键词提取和模块 118
7．3．3 从页面评估相关关键词 118
7．4 小结 119
参考文献 120
猜您喜欢
