所有课程

Keras深度学习要领

章节 1: 深度学习知识概览

什么是深度学习？

人工神经元与网络结构

神经网络的监督学习

配置Keras环境

动手实践：环境验证

章节 2: 使用 Keras 构建神经网络

常见层类型：全连接层

指定输入形状

模型概览与可视化

实践：使用 Keras 构建你的第一个网络

第 2 章测验

章节 3: 训练深度神经网络

理解损失函数

训练循环：fit() 方法

批次与周期

验证数据与性能监控

模型评估：evaluate() 方法

动手实践：训练一个简单分类器

第 3 章测验

章节 4: 卷积神经网络 (CNN)

卷积网络简介

卷积层 (Conv2D)

池化层 (MaxPooling2D)

构建一个简单的CNN架构

CNN中的展平层和全连接层

在Keras中处理图像数据

了解特征图

实践：构建图像分类CNN

第 4 章测验

章节 5: 循环神经网络 (RNN)

序列数据概述

循环神经网络要点

Keras中的SimpleRNN层

梯度消失问题

长短期记忆（LSTM）网络

Keras中的LSTM层

门控循环单元 (GRU)

用于RNN的序列数据准备

实践：构建RNN/LSTM用于文本分类

第 5 章测验

章节 6: 改进模型表现和工作流程

理解过拟合和欠拟合

正则化方法：L1、L2、Dropout

保存和加载模型

TensorBoard 简介

超参数调优概念

动手实践：应用改进技术

第 6 章测验

理解过拟合和欠拟合

这部分内容有帮助吗？

参考文献

Deep Learning, Ian Goodfellow, Yoshua Bengio, and Aaron Courville, 2016 (MIT Press) - 这本全面的教科书涵盖了深度学习的理论和实践，包括对泛化、过拟合、欠拟合和偏差-方差权衡的详细讨论。
The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, and Jerome Friedman, 2009 (Springer) DOI: 10.1007/978-0-387-84858-7 - 一本关于统计学习理论的经典教科书，严谨地论述了偏差-方差权衡、模型复杂度、泛化等主题。第二版。
model.fit method, Keras Team, 2023 - Keras官方文档，详细介绍了fit方法，包括validation_data等参数及其在训练期间监测模型性能的用法。
Overfitting and underfitting, TensorFlow Authors, 2023 - 一个TensorFlow官方教程，通过Keras代码示例和可视化演示了过拟合和欠拟合的概念。

© 2025 ApX Machine Learning用心打造