【每周一本書第11波】Keras 快速上手：基于 Python 的深度學(xué)習(xí)實(shí)戰(zhàn)

從事機(jī)器學(xué)習(xí)，一個(gè)好的硬件環(huán)境是必不可少的。在硬件環(huán)境的選擇上，并不是一定選擇最貴的就會(huì)有最好的效果，很多時(shí)候可能付出了 2 倍的成本，但是性能的提升卻只有 10%。深度學(xué)習(xí)的計(jì)算環(huán)境對(duì)不同部件的要求不同，因此這里先簡(jiǎn)要討論一下硬件的合理搭配。如果您不差錢，則可以跳過本節(jié)。另外，雖然目前有一些云服務(wù)供應(yīng)商提供 GPU 計(jì)算能力，并且一鍵部署，聽起來不錯(cuò)，但是基于云計(jì)算的 GPU 實(shí)例受到兩個(gè)限制。首先，普通的廉價(jià) GPU 實(shí)例內(nèi)存稍小，比如 AWS 的 G2 實(shí)例目前只支持單GPU 4GB 的顯存；其次，支持較大顯存的實(shí)例費(fèi)用比較高，性價(jià)比不高。比如 AWS 的P2 實(shí)例使用支持每 GPU 12GB 內(nèi)存的 K80 GPU，每小時(shí)費(fèi)用高達(dá) 0.9 美元。但是 K80GPU 屬于 Kepler 架構(gòu)，是兩代前的技術(shù)。另外，在實(shí)際使用中需要開啟其他服務(wù)以使用 GPU 實(shí)例，各種成本加起來每月的開支還是很可觀的，很可能 6 個(gè)月的總開支夠買一臺(tái)配置較新 GPU 的全新電腦了。

上文摘自本周C君給大家提供的贈(zèng)書——《Keras 快速上手：基于 Python 的深度學(xué)習(xí)實(shí)戰(zhàn)》

本書為俞棟、張察博士親筆作序力薦，谷歌、微軟、Twitter、Facebook、Airbnb等公司多位資深數(shù)據(jù)科學(xué)家傾情力薦。

本書從如何準(zhǔn)備深度學(xué)習(xí)的環(huán)境開始，手把手地教讀者如何采集數(shù)據(jù)，如何運(yùn)用一些最常用，也是目前被認(rèn)為最有效的一些深度學(xué)習(xí)算法來解決實(shí)際問題。覆蓋的領(lǐng)域包括推薦系統(tǒng)、圖像識(shí)別、自然語(yǔ)言情感分析、文字生成、時(shí)間序列、智能物聯(lián)網(wǎng)等。不同于許多同類的書籍，本書選擇了Keras作為編程軟件，強(qiáng)調(diào)簡(jiǎn)單、快速的模型設(shè)計(jì)，而不去糾纏底層代碼，使得內(nèi)容相當(dāng)易于理解。讀者可以在CNTK、TensorFlow和Theano的后臺(tái)之間隨意切換，非常靈活。即使你有朝一日需要用更低層的建模環(huán)境來解決更復(fù)雜的問題，相信也會(huì)保留從Keras中學(xué)來的高度抽象的角度審視你要解決的問題，讓你事半功倍。

【每周一本書】又是一周，CDA數(shù)據(jù)分析師攜手工業(yè)出版社將于每周三展開贈(zèng)書活動(dòng)，每周給各位讀者提供3-5本贈(zèng)書，希望帶動(dòng)各位讀者能借此機(jī)會(huì)每周充一次電。（注：書籍將于10天內(nèi)發(fā)放到中獎(jiǎng)?wù)呤种?。參與方式見下文）

作者簡(jiǎn)介

謝梁
現(xiàn)任微軟云計(jì)算核心存儲(chǔ)部門首席數(shù)據(jù)科學(xué)家，主持運(yùn)用機(jī)器學(xué)習(xí)和人工智能方法優(yōu)化大規(guī)模高可用性并行存儲(chǔ)系統(tǒng)的運(yùn)行效率和改進(jìn)其運(yùn)維方式。具有十余年機(jī)器學(xué)習(xí)應(yīng)用經(jīng)驗(yàn)，熟悉各種業(yè)務(wù)場(chǎng)景下機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘產(chǎn)品的需求分析、架構(gòu)設(shè)計(jì)、算法開發(fā)和集成部署，涉及金融、能源和高科技等領(lǐng)域。曾經(jīng)擔(dān)任美國(guó)道瓊斯工業(yè)平均指數(shù)唯一保險(xiǎn)業(yè)成分股的旅行家保險(xiǎn)公司分析部門總監(jiān)，負(fù)責(zé)運(yùn)用現(xiàn)代統(tǒng)計(jì)學(xué)習(xí)方法優(yōu)化精算定價(jià)業(yè)務(wù)和保險(xiǎn)運(yùn)營(yíng)管理，推動(dòng)精準(zhǔn)個(gè)性化定價(jià)解決方案。在包括Journal of Statistical Software等專業(yè)期刊上發(fā)表過多篇論文，擔(dān)任Journal of Statistical Computation and Simulation期刊以及Data Mining Applications with R一書的審稿人。本科畢業(yè)于西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)專業(yè)，博士畢業(yè)于紐約州立大學(xué)計(jì)量經(jīng)濟(jì)學(xué)專業(yè)。
魯穎
現(xiàn)任谷歌硅谷總部數(shù)據(jù)科學(xué)家，為谷歌應(yīng)用商城提供核心數(shù)據(jù)決策分析，利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)建立用戶行為預(yù)測(cè)模型，為產(chǎn)品優(yōu)化提供核心數(shù)據(jù)支持。曾在亞馬遜、微軟和迪士尼美國(guó)總部擔(dān)任機(jī)器學(xué)習(xí)研究科學(xué)家，有著多年使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法研發(fā)為業(yè)務(wù)提供解決方案的經(jīng)驗(yàn)。熱衷于幫助中國(guó)社區(qū)的人工智能方面的研究和落地，活躍于各個(gè)大型會(huì)議并發(fā)表主題演講。本科畢業(yè)于復(fù)旦大學(xué)數(shù)學(xué)專業(yè)，博士畢業(yè)于明尼蘇達(dá)大學(xué)統(tǒng)計(jì)專業(yè)。
勞虹嵐
現(xiàn)任微軟研究院研究工程師，是早期智能硬件項(xiàng)目上視覺和語(yǔ)音研發(fā)的核心團(tuán)隊(duì)成員，對(duì)企業(yè)用戶和消費(fèi)者需求體驗(yàn)與AI技術(shù)的結(jié)合有深刻的理解和豐富的經(jīng)驗(yàn)。曾在Azure和Office 365負(fù)責(zé)處理大流量高并發(fā)的后臺(tái)云端研究和開發(fā)，精通一系列系統(tǒng)架構(gòu)設(shè)計(jì)和性能優(yōu)化方面的解決方案。擁有從前端到后端的豐富經(jīng)驗(yàn)：包括客戶需求判斷、產(chǎn)品開發(fā)以及最終在云端架構(gòu)設(shè)計(jì)和部署。本科畢業(yè)于浙江大學(xué)電子系，碩士畢業(yè)于美國(guó)南加州大學(xué)（USC）電子和計(jì)算機(jī)系。

內(nèi)容提要

本書系統(tǒng)地講解了深度學(xué)習(xí)的基本知識(shí)、建模過程和應(yīng)用，并以深度學(xué)習(xí)在推薦系統(tǒng)、圖像識(shí)別、自然語(yǔ)言處理、文字生成和時(shí)間序列中的具體應(yīng)用為案例，詳細(xì)介紹了從工具準(zhǔn)備、數(shù)據(jù)獲取和處理到針對(duì)問題進(jìn)行建模的整個(gè)過程和實(shí)踐經(jīng)驗(yàn)，是一本非常好的深度學(xué)習(xí)入門書。

不同于許多講解深度學(xué)習(xí)的書籍，本書以實(shí)用為導(dǎo)向，選擇了 Keras 作為編程框架，強(qiáng)調(diào)簡(jiǎn)單、快速地設(shè)計(jì)模型，而不去糾纏底層代碼，使得內(nèi)容相當(dāng)易于理解，讀者可以在 CNTK、 TensorFlow 和 Theano 的后臺(tái)之間隨意切換，非常靈活。并且本書能幫助讀者從高度抽象的角度去審視業(yè)務(wù)問題，達(dá)到事半功倍的效果。

上周獲獎(jiǎng)名單

參與方式

文末留言告訴C君，這本書吸引您的理由，獲得精選，點(diǎn)（ren）贊（qi）數(shù)（gao）的前5名即可獲得本書

本期活動(dòng)截止時(shí)間11月13日中午12點(diǎn)

（為確保贈(zèng)書活動(dòng)的公平公開性，讓更多人能參與到每周一本書中。贈(zèng)書活動(dòng)參與者每月有且僅有一次獲獎(jiǎng)機(jī)會(huì)，有獲獎(jiǎng)記錄的參與者贈(zèng)書將自動(dòng)轉(zhuǎn)贈(zèng)其他參與者）

土豪請(qǐng)掃描下方二維碼訂購(gòu)