Франсуа Шолле - Глубокое обучение с R и Keras

tf.....................................................................................117
Неизменность тензоров и переменные..................................119
Математические операции в TensorFlow...............................120
Взгляд на API GradientTape с другой стороны........................121
Полный пример: линейный классификатор в чистом
TensorFlow..................................................................................122

Анатомия нейронной сети и основы API Keras...........................127

3.8.1
3.8.2
3.8.3
3.8.4
3.8.5
3.8.6
3.8.7

Слои: строительные блоки глубокого обуче­ния.....................128
От слоев к моделям. .................................................................132
Этап «компиляции»: настройка процесса обучения.............134
Выбор функции потерь.............................................................137
Использование метода fit().....................................................138
Отслеживание потерь и показателей на контрольных
данных. .......................................................................................139
Использование модели после обуче­ния....................................140

Краткие итоги главы. ....................................................................................141

4

Примеры работы с нейросетью:
классификация и регрессия.........................................................143
4.1

Классификация отзывов к фильмам: пример бинарной
классификации....................................................................................145

4.1.1
4.1.2
4.1.3
4.1.4
4.1.5

4.2

4.1.6
4.1.7

Классификация новостных лент: пример многоклассовой
классификации....................................................................................156

4.2.1
4.2.2
4.2.3
4.2.4
4.2.5
4.2.6
4.2.7

4.3

Набор данных IMDB. .................................................................145
Подготовка данных...................................................................147
Создание модели........................................................................148
Проверка вашего выбора. .........................................................151
Использование обученной сети для прогнозирования
на новых данных........................................................................154
Продолжаем эксперименты.....................................................155
Промежуточные итоги............................................................155

4.2.8
4.2.9

Набор данных Reuters................................................................156
Подготовка данных...................................................................158
Построение модели...................................................................158
Проверка модели. ......................................................................159
Предсказания на новых данных................................................161
Другой способ обработки меток и потерь.............................162
Важность использования достаточно больших
промежуточных слоев. .............................................................162
Дальнейшие эксперименты......................................................163
Промежуточные итоги............................................................163

4.3.1
4.3.2
4.3.3

Набор данных с ценами на жилье в Бостоне..........................164
Подготовка данных...................................................................165
Построение модели...................................................................165

Предсказание цен на дома: пример регрессии...........................164

Содержание

10

4.3.4
4.3.5
4.3.6

Оценка качества модели методом K-кратной
перекрестной проверки............................................................166
Выдача прогнозов на новых данных.........................................171
Промежуточные выводы..........................................................171

Краткие итоги главы. ....................................................................................171

5

Основы машинного обучения....................................................173
5.1
5.2

5.3

5.4

Обобщение – цель машинного обуче­ния......................................173

5.1.1
5.1.2

Недообучение и переобучение...................................................174
Базовые принципы обобщения в глубоком обуче­нии..............180

5.2.1
5.2.2

Наборы данных для обуче­ния, проверки и контроля. ............187
Использование критериев, основанных на здравом
смысле.........................................................................................191
Что следует помнить об оценке модели................................192

Оценка моделей машинного обуче­ния.........................................187

5.2.3

Улучшение качества обуче­ния модели..........................................193

5.3.1
5.3.2
5.3.3

Настройка ключевых параметров градиентного спуска.....193
Использование лучшей априорно обоснованной
архитектуры.............................................................................196
Увеличение емкости модели. ...................................................197

5.4.1
5.4.2
5.4.3
5.4.4

Подготовка набора данных......................................................199
Конструирование признаков....................................................200
Использование ранней остановки...........................................202
Регуляризация модели...............................................................202

Как улучшить обобщение. ................................................................199

Краткие итоги главы. --">