译者序
前言
第1章 深度学习
1.1 深度神经网络的数学基础
1.1.1 感知机——门控线性回归
1.1.2 多层感知机
1.1.3 卷积和池化
1.1.4 激活函数
1.2 深度神经网络的训练
1.2.1 损失函数的重要性
1.2.2 正则化
1.2.3 反向传播算法
1.2.4 优化方法
1.3 本章小结
第2章 神经网络架构
2.1 卷积神经网络
2.1.1 AlexNet
2.1.2 GoogLeNet
2.1.3 ResNet
2.1.4 SqueezeNet
2.2 循环神经网络
2.2.1 LSTM
2.2.2 GRU
2.3 深度强化学习
2.4 本章小结
第3章 JavaScript深度学习框架
3.1 TensorFlow.js
3.1.1 TensorFlow.js介绍
3.1.2 XOR问题
3.1.3 解决XOR问题
3.1.4 网络架构
3.1.5 张量
3.1.6 张量操作
3.1.7 模型训练
3.1.8 TensorFlow.js的生态
3.2 WebDNN
3.3 Keras.js
……
第4章 深度学习的JavaScript基础
第5章 基于WebGL的GPU加速
第6章 从浏览器中提取数据
第7章 高级数据操作的方法
第8章 基于TensorFlow.js构建应用