在众多深度学习框架中，最容易上手的就是Keras，其简单、可扩展、可重复使用的特征使得非深度学习者也能轻松驾驭。《Keras深度学习 基于Python》通过日常生活中常见的乐高模型块，以简洁易懂的语言介绍了使用Keras时必知的深度学习概念，提供了可实操的Python源代码，讲解了能够直观构建并理解深度学习模型的模块示例。

第1章 走进Keras
1.1 关于Keras
1.1.1 为什么是Keras
1.1.2 Keras的主要特征
1.1.3 Keras的基本概念
1.2 Mac版Keras安装
1.2.1 创建项目目录
1.2.2 创建虚拟开发环境
1.2.3 安装基于Web的Python开发环境JupyterNotebook
1.2.4 安装主要的包
1.2.5 安装深度学习库
1.2.6 测试安装环境
1.2.7 更换深度学习引擎
1.2.8 重启
1.2.9 解决错误
1.3 Windows版Keras安装
1.3.1 安装Anaconda
1.3.2 创建项目目录
1.3.3 创建虚拟环境
1.3.4 安装基于Web的Python开发环境JupyterNotebook
1.3.5 安装主要的包
1.3.6 安装深度学习库
1.3.7 测试安装环境
1.3.8 重启
1.3.9 解决错误
第2章 深度学习概念
2.1 数据集简介
2.1.1 训练集、验证集和测试集
2.1.2 Q&A
2.2 关于训练过程
2.2.1 Batchsize与训练周期
2.2.2 Q&A
2.3 查看训练过程
2.3.1 调用history函数
2.3.2 启动TensorBoard
2.3.3 编写回调函数
2.3.4 Q&A
2.4 训练早停
2.4.1 过拟合模型
2.4.2 设置早停
2.4.3 Q&A
2.5 模型评价
2.5.1 分类
2.5.2 检测与搜索
2.5.3 分离
2.6 查看保存调用训练模型
2.6.1 查看简易模型
2.6.2 实操中的深度学习系统
2.6.3 保存已训练模型
2.6.4 查看模型架构
2.6.5 调用已训练模型
2.6.6 Q&A
第3章 分层概念
3.1 多层感知层介绍
3.1.1 模仿人类神经系统的神经元
3.1.2 连接输入输出的Dense层
3.2 搭建多层感知神经网模型
3.2.1 定义问题
3.2.2 准备数据
3.2.3 生成数据集
3.2.4 搭建模型
3.2.5 设置模型训练过程
3.2.6 训练模型
3.2.7 评价模型
3.2.8 全部代码
3.3 卷积神经网络分层
3.3.1 过滤特征显著的卷积层
3.3.2 忽略细微变化的最大池化层
3.3.3 将视频一维化的Flatten层
3.3.4 尝试搭建模型
3.4 搭建卷积神经网络模型
3.4.1 定义问题
3.4.2 准备数据
3.4.3 生成数据集
3.4.4 搭建模型
3.4.5 设置模型训练过程
3.4.6 训练模型
3.4.7 评价模型