ebook img

Deep Learning with Applications Using Python PDF

228 Pages·2018·11.25 MB·English
Save to my drive
Quick download
Download
Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.

Preview Deep Learning with Applications Using Python

Deep Learning with Applications Using Python Chatbots and Face, Object, and Speech Recognition With TensorFlow and Keras — Navin Kumar Manaswi Foreword by Tarry Singh Deep Learning with Applications Using Python Chatbots and Face, Object, and Speech Recognition With TensorFlow and Keras Navin Kumar Manaswi Foreword by Tarry Singh Deep Learning with Applications Using Python Navin Kumar Manaswi Bangalore, Karnataka, India ISBN-13 (pbk): 978-1-4842-3515-7 ISBN-13 (electronic): 978-1-4842-3516-4 https://doi.org/10.1007/978-1-4842-3516-4 Library of Congress Control Number: 2018938097 Copyright © 2018 by Navin Kumar Manaswi This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part of the material is concerned, specifically the rights of translation, reprinting, reuse of illustrations, recitation, broadcasting, reproduction on microfilms or in any other physical way, and transmission or information storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology now known or hereafter developed. Trademarked names, logos, and images may appear in this book. Rather than use a trademark symbol with every occurrence of a trademarked name, logo, or image we use the names, logos, and images only in an editorial fashion and to the benefit of the trademark owner, with no intention of infringement of the trademark. The use in this publication of trade names, trademarks, service marks, and similar terms, even if they are not identified as such, is not to be taken as an expression of opinion as to whether or not they are subject to proprietary rights. While the advice and information in this book are believed to be true and accurate at the date of publication, neither the authors nor the editors nor the publisher can accept any legal responsibility for any errors or omissions that may be made. The publisher makes no warranty, express or implied, with respect to the material contained herein. Managing Director, Apress Media LLC: Welmoed Spahr Acquisitions Editor: Celestin Suresh John Development Editor: Matthew Moodie Coordinating Editor: Divya Modi Cover designed by eStudioCalamar Cover image designed by Freepik (www.freepik.com) Distributed to the book trade worldwide by Springer Science+Business Media New York, 233 Spring Street, 6th Floor, New York, NY 10013. Phone 1-800-SPRINGER, fax (201) 348-4505, e-mail [email protected], or visit www.springeronline.com. Apress Media, LLC is a California LLC and the sole member (owner) is Springer Science + Business Media Finance Inc (SSBM Finance Inc). SSBM Finance Inc is a Delaware corporation. For information on translations, please e-mail [email protected], or visit www.apress.com/ rights-permissions. Apress titles may be purchased in bulk for academic, corporate, or promotional use. eBook versions and licenses are also available for most titles. For more information, reference our Print and eBook Bulk Sales web page at www.apress.com/bulk-sales. Any source code or other supplementary material referenced by the author in this book is available to readers on GitHub via the book’s product page, located at www.apress. com/9781484235157. For more detailed information, please visit www.apress.com/source-code. Printed on acid-free paper Table of Contents Foreword by Tarry Singh ���������������������������������������������������������������������ix About the Author �������������������������������������������������������������������������������xiii About the Technical Reviewer ������������������������������������������������������������xv Chapter 1: Basics of TensorFlow ����������������������������������������������������������1 Tensors ������������������������������������������������������������������������������������������������������������������2 Computational Graph and Session ������������������������������������������������������������������������3 Constants, Placeholders, and Variables ����������������������������������������������������������������6 Placeholders ���������������������������������������������������������������������������������������������������������9 Creating Tensors �������������������������������������������������������������������������������������������������12 Fixed Tensors �������������������������������������������������������������������������������������������������13 Sequence Tensors �����������������������������������������������������������������������������������������14 Random Tensors ��������������������������������������������������������������������������������������������15 Working on Matrices �������������������������������������������������������������������������������������������16 Activation Functions ��������������������������������������������������������������������������������������������17 Tangent Hyperbolic and Sigmoid �������������������������������������������������������������������18 ReLU and ELU ������������������������������������������������������������������������������������������������19 ReLU6 ������������������������������������������������������������������������������������������������������������20 Loss Functions ����������������������������������������������������������������������������������������������������22 Loss Function Examples ��������������������������������������������������������������������������������23 Common Loss Functions �������������������������������������������������������������������������������23 iii TTaabbllee ooff CCoonnTTeennTTss Optimizers �����������������������������������������������������������������������������������������������������������25 Loss Function Examples ��������������������������������������������������������������������������������26 Common Optimizers ��������������������������������������������������������������������������������������27 Metrics ����������������������������������������������������������������������������������������������������������������28 Metrics Examples ������������������������������������������������������������������������������������������28 Common Metrics �������������������������������������������������������������������������������������������29 Chapter 2: Understanding and Working with Keras ���������������������������31 Major Steps to Deep Learning Models ����������������������������������������������������������������32 Load Data ������������������������������������������������������������������������������������������������������33 Preprocess the Data ��������������������������������������������������������������������������������������33 Define the Model �������������������������������������������������������������������������������������������34 Compile the Model �����������������������������������������������������������������������������������������36 Fit the Model ��������������������������������������������������������������������������������������������������37 Evaluate Model ����������������������������������������������������������������������������������������������38 Prediction ������������������������������������������������������������������������������������������������������38 Save and Reload the Model ���������������������������������������������������������������������������39 Optional: Summarize the Model ��������������������������������������������������������������������39 Additional Steps to Improve Keras Models ���������������������������������������������������������40 Keras with TensorFlow ����������������������������������������������������������������������������������������42 Chapter 3: Multilayer Perceptron��������������������������������������������������������45 Artificial Neural Network �������������������������������������������������������������������������������������45 Single-Layer Perceptron �������������������������������������������������������������������������������������47 Multilayer Perceptron ������������������������������������������������������������������������������������������47 Logistic Regression Model ����������������������������������������������������������������������������������49 iv TTaabbllee ooff CCoonnTTeennTTss Chapter 4: Regression to MLP in TensorFlow �������������������������������������57 TensorFlow Steps to Build Models ����������������������������������������������������������������������57 Linear Regression in TensorFlow ������������������������������������������������������������������������58 Logistic Regression Model ����������������������������������������������������������������������������������62 Multilayer Perceptron in TensorFlow ������������������������������������������������������������������65 Chapter 5: Regression to MLP in Keras ����������������������������������������������69 Log-Linear Model ������������������������������������������������������������������������������������������������69 Keras Neural Network for Linear Regression ������������������������������������������������������71 Logistic Regression ���������������������������������������������������������������������������������������������73 scikit-learn for Logistic Regression ���������������������������������������������������������������74 Keras Neural Network for Logistic Regression ����������������������������������������������74 Fashion MNIST Data: Logistic Regression in Keras ���������������������������������������77 MLPs on the Iris Data ������������������������������������������������������������������������������������������80 Write the Code �����������������������������������������������������������������������������������������������80 Build a Sequential Keras Model ���������������������������������������������������������������������81 MLPs on MNIST Data (Digit Classification) ����������������������������������������������������������84 MLPs on Randomly Generated Data ��������������������������������������������������������������������88 Chapter 6: Convolutional Neural Networks �����������������������������������������91 Different Layers in a CNN ������������������������������������������������������������������������������������91 CNN Architectures �����������������������������������������������������������������������������������������������95 Chapter 7: CNN in TensorFlow ������������������������������������������������������������97 Why TensorFlow for CNN Models? ����������������������������������������������������������������������97 TensorFlow Code for Building an Image Classifier for MNIST Data���������������������98 Using a High-Level API for Building CNN Models ����������������������������������������������104 v TTaabbllee ooff CCoonnTTeennTTss Chapter 8: CNN in Keras �������������������������������������������������������������������105 Building an Image Classifier for MNIST Data in Keras ��������������������������������������105 Define the Network Structure ����������������������������������������������������������������������107 Define the Model Architecture ���������������������������������������������������������������������108 Building an Image Classifier with CIFAR-10 Data ���������������������������������������������110 Define the Network Structure ����������������������������������������������������������������������111 Define the Model Architecture ��������������������������������������������������������������������������112 Pretrained Models ���������������������������������������������������������������������������������������������113 Chapter 9: RNN and LSTM �����������������������������������������������������������������115 The Concept of RNNs ����������������������������������������������������������������������������������������115 The Concept of LSTM ����������������������������������������������������������������������������������������118 Modes of LSTM �������������������������������������������������������������������������������������������������118 Sequence Prediction �����������������������������������������������������������������������������������������119 Sequence Numeric Prediction ���������������������������������������������������������������������120 Sequence Classification ������������������������������������������������������������������������������120 Sequence Generation ����������������������������������������������������������������������������������121 Sequence-to-Sequence Prediction ��������������������������������������������������������������121 Time-Series Forecasting with the LSTM Model ������������������������������������������������122 Chapter 10: Speech to Text and Vice Versa ��������������������������������������127 Speech-to-Text Conversion �������������������������������������������������������������������������������128 Speech as Data �������������������������������������������������������������������������������������������������128 Speech Features: Mapping Speech to a Matrix ������������������������������������������������129 Spectrograms: Mapping Speech to an Image ���������������������������������������������������131 Building a Classifier for Speech Recognition Through MFCC Features �������������132 Building a Classifier for Speech Recognition Through a Spectrogram �������������133 Open Source Approaches ����������������������������������������������������������������������������������135 vi TTaabbllee ooff CCoonnTTeennTTss Examples Using Each API ����������������������������������������������������������������������������������135 Using PocketSphinx �������������������������������������������������������������������������������������135 Using the Google Speech API �����������������������������������������������������������������������136 Using the Google Cloud Speech API �������������������������������������������������������������137 Using the Wit�ai API��������������������������������������������������������������������������������������137 Using the Houndify API ��������������������������������������������������������������������������������138 Using the IBM Speech to Text API ����������������������������������������������������������������138 Using the Bing Voice Recognition API ����������������������������������������������������������139 Text-to-Speech Conversion �������������������������������������������������������������������������������140 Using pyttsx �������������������������������������������������������������������������������������������������140 Using SAPI ���������������������������������������������������������������������������������������������������140 Using SpeechLib ������������������������������������������������������������������������������������������140 Audio Cutting Code ��������������������������������������������������������������������������������������141 Cognitive Service Providers ������������������������������������������������������������������������������142 Microsoft Azure �������������������������������������������������������������������������������������������143 Amazon Cognitive Services �������������������������������������������������������������������������143 IBM Watson Services �����������������������������������������������������������������������������������144 The Future of Speech Analytics ������������������������������������������������������������������������144 Chapter 11: Developing Chatbots �����������������������������������������������������145 Why Chatbots? ��������������������������������������������������������������������������������������������������146 Designs and Functions of Chatbots ������������������������������������������������������������������146 Steps for Building a Chatbot �����������������������������������������������������������������������������147 Preprocessing Text and Messages ��������������������������������������������������������������148 Chatbot Development Using APIs ����������������������������������������������������������������166 Best Practices of Chatbot Development ������������������������������������������������������������169 Know the Potential Users ����������������������������������������������������������������������������169 Read the User Sentiments and Make the Bot Emotionally Enriching ����������169 vii TTaabbllee ooff CCoonnTTeennTTss Chapter 12: Face Detection and Recognition ������������������������������������171 Face Detection, Face Recognition, and Face Analysis ��������������������������������������172 OpenCV��������������������������������������������������������������������������������������������������������������172 Eigenfaces ���������������������������������������������������������������������������������������������������173 LBPH ������������������������������������������������������������������������������������������������������������175 Fisherfaces ��������������������������������������������������������������������������������������������������176 Detecting a Face �����������������������������������������������������������������������������������������������177 Tracking the Face ����������������������������������������������������������������������������������������������179 Face Recognition ����������������������������������������������������������������������������������������������182 Deep Learning–Based Face Recognition ����������������������������������������������������������185 Transfer Learning ����������������������������������������������������������������������������������������������188 Why Transfer Learning? �������������������������������������������������������������������������������188 Transfer Learning Example ��������������������������������������������������������������������������189 Calculate the Transfer Value ������������������������������������������������������������������������191 APIs �������������������������������������������������������������������������������������������������������������������197 Appendix 1: Keras Functions for Image Processing �������������������������201 Appendix 2: Some of the Top Image Data Sets Available �����������������207 Appendix 3: Medical Imaging: DICOM File Format ���������������������������211 W hy DICOM? �����������������������������������������������������������������������������������������������������211 What Is the DICOM File Format? �����������������������������������������������������������������������211 Index �������������������������������������������������������������������������������������������������213 viii Foreword by Tarry Singh Deep Learning has come a really long way. From the birth of the idea to understand human mind and the concept of associationism — how we perceive things and how relationships of objects and views influence our thinking and doing, to the modelling of associationism which started in the 1870s when Alexander Bain introduced the first concert of Artificial Neural Networks by grouping the neurons. Fast forward it to today 2018 and we see how Deep Learning has dramatically improved and is in all forms of life — from object detection, speech recognition, machine translation, autonomous vehicles, face detection and the use of face detection from mundane tasks such as unlocking your iPhoneX to doing more profound tasks such as crime detection and prevention. Convolutional Neural Networks and Recurrent Neural Networks are shining brightly as they continue to help solve the world problems in literally all industry areas such as Automotive & Transportation, Healthcare & Medicine, Retail to name a few. Great progress is being made in these areas and just metrics like these say enough about the palpability of the deep learning industry: – Number of Computer Science academic papers have soared to almost 10x since 1996 – VCs are investing 6x more in AI startups since 2000 – There are 14x more active AI startups since 2000 ix

Description:
Explore deep learning applications, such as computer vision, speech recognition, and chatbots, using frameworks such as TensorFlow and Keras. This book helps you to ramp up your practical know-how in a short period of time and focuses you on the domain, models, and algorithms required for deep learn
See more

The list of books you might like

Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.