掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度學習-主流框架和編程實戰 版權信息
- ISBN：9787111592396
- 條形碼：9787111592396 ; 978-7-111-59239-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
深度學習-主流框架和編程實戰 本書特色
本書是利用實例來講解深度學習框架以及深度學習方法的綜合性著作，介紹了四大深度學習框架（TensorFlow、Caffe、Torch和MXNet），還詳細介紹了調參、二次接口的編程、遷移學習的模型等內容。
深度學習-主流框架和編程實戰 內容簡介
本書是利用實例來講解深度學習框架以及深度學習方法的綜合性著作，介紹了四大深度學習框架（TensorFlow、Caffe、Torch和MXNet），還詳細介紹了調參、二次接口的編程、遷移學習的模型等內容。
深度學習-主流框架和編程實戰 目錄
CONTENTS
目 錄
前言
第1章 緒論 1
1.1 機器學習與深度學習 1
1.1.1 機器學習與深度學習的關系 2
1.1.2 傳統機器學習與深度學習的對比 3
1.2 統計學與深度學習 5
1.2.1 統計學與深度學習的關系 5
1.2.2 基于統計的深度學習技術 6
1.3 本書涉及的深度學習框架 8
1.4 優化深度學習的方法 8
1.5 深度學習展望 9
第2章 TensorFlow深度學習框架構建方法與圖像分類的實現 12
2.1 TensorFlow概述 12
2.1.1 TensorFlow的特點 13
2.1.2 TensorFlow中的模型 14
2.2 TensorFlow框架安裝 16
2.2.1 基于Anaconda的安裝 16
2.2.2 測試TensorFlow 19
2.3 基于TensorFlow框架的圖像分類實現（ResNet-34） 20
2.3.1 應用背景 20
2.3.2 ResNet 21
2.3.3 ResNet程序實現 24
2.3.4 詳細代碼解析 27
2.3.5 實驗結果及分析 51
第3章 Caffe深度學習框架搭建與圖像語義分割的實現 56
3.1 Caffe概述 56
3.1.1 Caffe的特點 56
3.1.2 Caffe框架結構 57
3.2 Caffe框架安裝與調試 59
3.3 基于Caffe框架的圖像分割實現（FCN） 64
3.3.1 用Caffe構建卷積神經網絡 64
3.3.2 FCN-8s網絡簡介 69
3.3.3 詳細代碼解讀 85
3.3.4 實驗結果與結論 98
第4章 Torch深度學習框架搭建與目標檢測的實現 100
4.1 Torch概述 100
4.1.1 Torch的特點 100
4.1.2 Lua語言 102
4.2 Torch框架安裝 104
4.3 基于Torch框架的目標檢測實現（Faster R-CNN） 113
4.3.1 Torch的類和包的基本用法 113
4.3.2 用Torch構建神經網絡 116
4.3.3 Faster R-CNN介紹 119
4.3.4 Faster R-CNN實例 127
4.3.5 實驗結果分析 161
第5章 MXNet深度學習框架構建與自然語言處理的實現 164
5.1 MXNet概述 164
5.1.1 MXNet基礎知識 164
5.1.2 編程接口 166
5.1.3 系統實現 169
5.1.4 MXNet的關鍵特性 171
5.2 MXNet框架安裝 172
5.3 基于MXNet框架的自然語言處理實現（LSTM） 179
5.3.1 自然語言處理應用背景 179
5.3.2 RNN及LSTM網絡 180
5.3.3 Bucketing及不同長度的序列訓練 183
5.3.4 詳細代碼實現 185
5.3.5 實驗過程及實驗結果分析 191
第6章 遷移學習 195
6.1 遷移學習發展概述 195
6.2 遷移學習的類型與模型 196
6.2.1 凍結源模型與微調源模型 197
6.2.2 神經網絡遷移學習模型與分類器遷移學習模型 197
6.3 遷移學習方法實例指導 199
6.3.1 遷移學習應用示例 199
6.3.2 實驗結論 202
第7章 并行計算與交叉驗證 203
7.1 并行計算 203
7.1.1 數據并行框架 204
7.1.2 模型并行框架 205
7.1.3 數據并行與模型并行的混合架構 205
7.2 交叉驗證 207
7.2.1 留出法 207
7.2.2 K折交叉驗證 208
7.2.3 留一交叉驗證 209
參考文獻 211
目 錄
前言
第1章 緒論 1
1.1 機器學習與深度學習 1
1.1.1 機器學習與深度學習的關系 2
1.1.2 傳統機器學習與深度學習的對比 3
1.2 統計學與深度學習 5
1.2.1 統計學與深度學習的關系 5
1.2.2 基于統計的深度學習技術 6
1.3 本書涉及的深度學習框架 8
1.4 優化深度學習的方法 8
1.5 深度學習展望 9
第2章 TensorFlow深度學習框架構建方法與圖像分類的實現 12
2.1 TensorFlow概述 12
2.1.1 TensorFlow的特點 13
2.1.2 TensorFlow中的模型 14
2.2 TensorFlow框架安裝 16
2.2.1 基于Anaconda的安裝 16
2.2.2 測試TensorFlow 19
2.3 基于TensorFlow框架的圖像分類實現（ResNet-34） 20
2.3.1 應用背景 20
2.3.2 ResNet 21
2.3.3 ResNet程序實現 24
2.3.4 詳細代碼解析 27
2.3.5 實驗結果及分析 51
第3章 Caffe深度學習框架搭建與圖像語義分割的實現 56
3.1 Caffe概述 56
3.1.1 Caffe的特點 56
3.1.2 Caffe框架結構 57
3.2 Caffe框架安裝與調試 59
3.3 基于Caffe框架的圖像分割實現（FCN） 64
3.3.1 用Caffe構建卷積神經網絡 64
3.3.2 FCN-8s網絡簡介 69
3.3.3 詳細代碼解讀 85
3.3.4 實驗結果與結論 98
第4章 Torch深度學習框架搭建與目標檢測的實現 100
4.1 Torch概述 100
4.1.1 Torch的特點 100
4.1.2 Lua語言 102
4.2 Torch框架安裝 104
4.3 基于Torch框架的目標檢測實現（Faster R-CNN） 113
4.3.1 Torch的類和包的基本用法 113
4.3.2 用Torch構建神經網絡 116
4.3.3 Faster R-CNN介紹 119
4.3.4 Faster R-CNN實例 127
4.3.5 實驗結果分析 161
第5章 MXNet深度學習框架構建與自然語言處理的實現 164
5.1 MXNet概述 164
5.1.1 MXNet基礎知識 164
5.1.2 編程接口 166
5.1.3 系統實現 169
5.1.4 MXNet的關鍵特性 171
5.2 MXNet框架安裝 172
5.3 基于MXNet框架的自然語言處理實現（LSTM） 179
5.3.1 自然語言處理應用背景 179
5.3.2 RNN及LSTM網絡 180
5.3.3 Bucketing及不同長度的序列訓練 183
5.3.4 詳細代碼實現 185
5.3.5 實驗過程及實驗結果分析 191
第6章 遷移學習 195
6.1 遷移學習發展概述 195
6.2 遷移學習的類型與模型 196
6.2.1 凍結源模型與微調源模型 197
6.2.2 神經網絡遷移學習模型與分類器遷移學習模型 197
6.3 遷移學習方法實例指導 199
6.3.1 遷移學習應用示例 199
6.3.2 實驗結論 202
第7章 并行計算與交叉驗證 203
7.1 并行計算 203
7.1.1 數據并行框架 204
7.1.2 模型并行框架 205
7.1.3 數據并行與模型并行的混合架構 205
7.2 交叉驗證 207
7.2.1 留出法 207
7.2.2 K折交叉驗證 208
7.2.3 留一交叉驗證 209
參考文獻 211
展開全部
深度學習-主流框架和編程實戰 作者簡介
趙涓涓，太原理工大學信息與計算機學院教授，博士生導師，計算機科學系主任。中國計算機學會青年科技論壇太原主席（2017-2018年度）。主要從事影像大數據、機器學習等方面的科研與教學工作。出版學術專著2部，發表學術論文60余篇，ESI高被引論文1篇。強彥，太原理工大學信息與計算機學院副院長，教授，博士生導師。中國計算機學會理事，中國計算機學會杰出會員。主要從事智能信息處理、模式識別、影像大數據、人工智能等方面的科研與教學工作。主講教育部國家精品視頻公開課“面向對象的編程思想概覽”，在愛課程、網易公開課、中國大學MOOC平臺等眾多教學平臺上都有呈現，受眾百萬。出版高校教材15部，國家級規劃教材3部，譯著2部，2017年獲山西省教學成果獎一等獎、山西省“五一勞動獎章”、山西省高校“最美教師”稱號。
書友推薦
- >
名家帶你讀魯迅:朝花夕拾
- >
我從未如此眷戀人間
- >
月亮與六便士
- >
羅曼·羅蘭讀書隨筆-精裝
- >
羅庸西南聯大授課錄
- >
李白與唐代文化
- >
巴金－再思錄
- >
史學評論
本類暢銷
