Hadoop深度学习pdf

图书网 2018年12月20日13:35:08
评论
2K
摘要

一本书读懂深度学习来龙去脉,概览Hadoop如何玩转深度学习
– 快速了解深度学习基本概念
– 深度学习模型在大数据上的表现
– HDFS、Map-Reduce、YARN、Deeplearning4j如何实现深度学习模型
– Hadoop如何实现分布式卷积神经网络和循环神经网络
– 受限玻尔兹曼机以及分布式深度信念网络及其实现示例
– 自动编码器
– 分布式环境中常见机器学习应用的设计

Hadoop深度学习 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。

Hadoop深度学习 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

Hadoop深度学习 目录

神经网络可以是循环的或前馈的。前馈网络在其网络图中并没有任何循环结构。具有多层次的网络称为深度网络。简单来说,任何具有两层或更多(隐藏)层的神经网络被定义为深度前馈网络或前馈神经网络。图 1-4显示了深度前馈神经网络的一般形式。

图书网:Hadoop深度学习pdf

继续阅读

→→→→→→→→→→→→→→→→→→→→查找获取

人工智能

深度学习之PyTorch实战计算机视觉pdf

适读人群 :本书面向对深度学习技术感兴趣,但是相关基础知识较为薄弱或者零基础的读者。 作者的文笔很好,对深度学习、Python、PyTorch、神经网络、迁移学习及相关数学知识讲解...
人工智能

深度学习原理与实践pdf

深度学习原理与实践 作者:陈仲铭,彭凌西 深度学习原理与实践 出版社:人民邮电出版社 深度学习原理与实践 内容简介 本书详细介绍了目前深度学习相关的常用网络模型(ANN、CNN、RNN),以及不同网络...
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: