使用高级架构开发和优化深度学习模型。这本书教你错综复杂的细节和微妙的算法，是卷积神经网络的核心。在高级应用深度学习中，您将学习CNN的高级主题和使用Keras和TensorFlow的对象检测。

在此过程中，您将了解CNN中的基本操作，如卷积和池化，然后了解更高级的架构，如inception networks、resnets等等。当这本书讨论理论主题时，你会发现如何有效地与Keras工作，其中有许多技巧和提示，包括如何用自定义回调类自定义Keras登录，什么是迫切执行，以及如何在你的模型中使用它。最后，您将学习对象检测是如何工作的，并在Keras和TensorFlow中构建YOLO(只查看一次)算法的完整实现。在书的最后，你将实现各种各样的模型在Keras和学习许多高级技巧，将把你的技能到下一个水平。

你将学到什么

• 看看卷积神经网络和目标检测是如何工作的
• 在磁盘上的权值和模型
• 暂停训练，在稍后的阶段重新开始
• 在代码中使用硬件加速
• 使用数据集TensorFlow抽象和使用预先训练的模型和迁移学习
• 删除和添加层到预先训练的网络，使其适应您的特定项目
• 将预先训练好的模型(如Alexnet和VGG16)应用到新的数据集

这本书是给谁的

• 拥有中级到高级Python和机器学习技能的科学家和研究人员。此外，还需要Keras和TensorFlow的中级知识。