Spark深度学习指南PDF电子书下载

查看更多关于的内容

1为深度学习开发设置Spark 1

介绍 1

下载Ubuntu桌面映像 2

在macOS中使用VMWare Fusion安装和配置Ubuntu 3

在Windows中使用Oracle VirtualBox安装和配置Ubuntu 8

为谷歌云平台安装和配置Ubuntu桌面端 11

在Ubuntu桌面端安装和配置Spark 23

集成Jupyter Notebook与Spark 29

启动和配置Spark集群 33

停止Spark集群 34

2在Spark中创建神经网络 36

介绍 36

在PySpark中创建数据帧 37

在PySpark数据帧中操作列 41

将PySpark数据帧转换为数组 42

在散点图中将数组可视化 46

设置输入神经网络的权重和偏差 49

规范化神经网络的输入数据 52

验证数组以获得最佳的神经网络性能 55

使用sigmoid设置激活函数 57

创建sigmoid导数 60

计算神经网络中的代价函数 62

根据身高值和体重值预测性别 66

预测分数并进行可视化 69

3卷积神经网络的难点 72

介绍 72

难点1：导入MNIST图像 73

难点2：可视化MNIST图像 77

难点3：将MNIST图像导出为文件 80

难点4：增加MNIST图像 82

难点5：利用备用资源训练图像 86

难点6：为卷积神经网络优先考虑高级库 88

4循环神经网络的难点 94

介绍 94

前馈网络简介 95

循环神经网络的顺序工作 103

难点1：梯度消失问题 108

难点2：梯度爆炸问题 111

长短期记忆单元的顺序工作 114

5用Spark机器学习预测消防部门呼叫 119

介绍 119

下载旧金山消防局呼叫数据集 119

识别逻辑回归模型的目标变量 123

为逻辑回归模型准备特征变量 130

应用逻辑回归模型 137

评估逻辑回归模型的准确度 142

6在生成网络中使用LSTM 145

介绍 145

下载将用作输入文本的小说／书籍 145

准备和清理数据 151

标记句子 156

训练和保存LSTM模型 158

使用模型生成类似的文本 163

7使用TF-IDF进行自然语言处理 171

介绍 171

下载治疗机器人会话文本数据集 172

分析治疗机器人会话数据集 176

数据集单词计数可视化 178

计算文本的情感分析 180

从文本中删除停用词 184

训练TF-IDF模型 188

评估TF-IDF模型性能 192

比较模型性能和基线分数 194

8使用XGBoost进行房地产价值预测 196

下载金斯县房屋销售数据集 196

执行探索性分析和可视化 199

绘制价格与其他特征之间的相关性 210

预测房价 223

9使用长短期记忆单元预测苹果公司股票市场价格 229

下载苹果公司的股票市场数据 229

探索和可视化苹果公司的股票市场数据 233

准备用于提升模型性能的股票市场数据 238

构建长短期记忆单元模型 246

评估长短期记忆单元模型 249

10使用深度卷积网络进行人脸识别 252

介绍 252

下载MIT-CBCL数据集并将其加载到内存中 252

绘制并可视化目录中的图像 257

图像预处理 262

模型构建、训练和分析 269

11使用Word2Vec创建和可视化单词向量 277

介绍 277

获取数据 277

导入必要的库 281

准备数据 284

构建和训练模型 288

进一步可视化 293

进一步分析 300

12使用Keras创建电影推荐引擎 304

介绍 304

下载MovieLens数据集 305

操作和合并MovieLens数据集 312

探索MovieLens数据集 318

为深度学习流水线准备数据集 322

应用Keras深度学习模型 327

评估推荐引擎的准确度 331

13使用TensorFlow在Spark中进行图像分类 333

介绍 333

下载梅西和罗纳尔多各30张图像 334

使用深度学习包安装PySpark 339

将图像加载到PySpark数据帧 341

理解迁移学习 344

创建用于图像分类训练的流水线 346

评估模型性能 348

微调模型参数 350

查看更多关于的内容