图书介绍
Hadoop深度学习PDF|Epub|txt|kindle电子书版本网盘下载
- （印）迪帕延·德夫（Dipayan Dev） 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115482181
- 出版时间：2018
- 标注页数：126页
- 文件大小：18MB
- 文件页数：137页
- 主题词：数据处理软件
PDF下载
下载说明
Hadoop深度学习PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
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Hadoop29
2.3.1 Map-Reduce31
2.3.2 迭代Map-Reduce31
2.3.3 YARN32
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Deeplearning4j34
2.4.1 Deepleaming4j的主要特性34
2.4.2 Deeplearning4j功能总结35
2.5 在Hadoop YARN上配置Deeplearning4j35
2.5.1 熟悉Deeplearning4j36
2.5.2 为进行分布式深度学习集成Hadoop YARN和Spark40
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