详细内容或原文请订阅后点击阅览
使用 R 进行深度学习，第二版
宣布发布“使用 R 进行深度学习，第 2 版”，这本书向您展示了如何开始使用 R 进行深度学习。
来源:RStudio AI博客今天，我们很高兴地宣布推出《R 深度学习，第二版》。与第一版相比，这本书的长度增加了三分之一，新内容超过 75%。与其说这是一本更新版，不如说这是一本全新的书。
《R 深度学习，第二版》 《R 深度学习，第二版》这本书向您展示了如何开始使用 R 进行深度学习，即使您没有数学或数据科学背景。本书内容包括：
- 从第一原理进行深度学习图像分类和图像分割时间序列预测文本分类和机器翻译文本生成、神经风格转换和图像生成
从第一原理进行深度学习
图像分类和图像分割
时间序列预测
文本分类和机器翻译
文本生成、神经风格转换和图像生成
仅假设读者具有适度的 R 知识；其余内容均从头开始解释，并附有示例，清晰地展示机制。了解梯度和反向传播 — 通过使用 tf$GradientTape() 重新发现地球重力加速度常数 (9.8 \(m/s^2\))。了解什么是 keras Layer — 仅使用基础 R 从头实现一个。了解批量规范化和层规范化之间的区别、layer_lstm() 的作用、调用 fit() 时会发生什么，等等 — 全部通过纯 R 代码实现。
tf$GradientTape()
\(m/s^2\)
层
layer_lstm()
fit()
keras::layer_text_vectorization()
layer_positional_embedding()
layer_transformer_encoder()
layer_transformer_decoder()
生成模型有专门的章节，不仅涵盖文本生成，还涵盖变分自动编码器 (VAE)、生成对抗网络 (GAN) 和风格转换。
使用 R 进行深度学习，第二版
文章也可在