-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
深度學(xué)習(xí)
-
>
Unreal Engine 4藍(lán)圖完全學(xué)習(xí)教程
-
>
深入理解計算機(jī)系統(tǒng)-原書第3版
-
>
Word/Excel PPT 2013辦公應(yīng)用從入門到精通-(附贈1DVD.含語音視頻教學(xué)+辦公模板+PDF電子書)
博文視點AI系列深度學(xué)習(xí)之PYTORCH實戰(zhàn)計算機(jī)視覺 版權(quán)信息
- ISBN:9787121341441
- 條形碼:9787121341441 ; 978-7-121-34144-1
- 裝幀:一般膠版紙
- 冊數(shù):暫無
- 重量:暫無
- 所屬分類:>>
博文視點AI系列深度學(xué)習(xí)之PYTORCH實戰(zhàn)計算機(jī)視覺 本書特色
計算機(jī)視覺、自然語言處理和語音識別是目前深度學(xué)習(xí)領(lǐng)域很熱門的三大應(yīng)用方向,本書旨在幫助零基礎(chǔ)或基礎(chǔ)較為薄弱的讀者入門深度學(xué)習(xí),達(dá)到能夠獨立使用深度學(xué)習(xí)知識處理計算機(jī)視覺問題的水平。通過閱讀本書,讀者將學(xué)到人工智能的基礎(chǔ)概念及Python編程技能,掌握PyTorch的使用方法,學(xué)到深度學(xué)習(xí)相關(guān)的理論知識,比如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自動編碼器,等等。在掌握深度學(xué)習(xí)理論和編程技能之后,讀者還會學(xué)到如何基于PyTorch深度學(xué)習(xí)框架實戰(zhàn)計算機(jī)視覺。本書中的大量實例可讓讀者在循序漸進(jìn)地學(xué)習(xí)的同時,不斷地獲得成就感。本書面向?qū)ι疃葘W(xué)習(xí)技術(shù)感興趣、但是相關(guān)基礎(chǔ)知識較為薄弱或者零基礎(chǔ)的讀者。
博文視點AI系列深度學(xué)習(xí)之PYTORCH實戰(zhàn)計算機(jī)視覺 內(nèi)容簡介
計算機(jī)視覺、自然語言處理和語音識別是目前深度學(xué)習(xí)領(lǐng)域很熱門的三大應(yīng)用方向,本書旨在幫助零基礎(chǔ)或基礎(chǔ)較為薄弱的讀者入門深度學(xué)習(xí),達(dá)到能夠獨立使用深度學(xué)習(xí)知識處理計算機(jī)視覺問題的水平。通過閱讀本書,讀者將學(xué)到人工智能的基礎(chǔ)概念及Python編程技能,掌握PyTorch的使用方法,學(xué)到深度學(xué)習(xí)相關(guān)的理論知識,比如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自動編碼器,等等。在掌握深度學(xué)習(xí)理論和編程技能之后,讀者還會學(xué)到如何基于PyTorch深度學(xué)習(xí)框架實戰(zhàn)計算機(jī)視覺。本書中的大量實例可讓讀者在循序漸進(jìn)地學(xué)習(xí)的同時,不斷地獲得成就感。本書面向?qū)ι疃葘W(xué)習(xí)技術(shù)感興趣、但是相關(guān)基礎(chǔ)知識較為薄弱或者零基礎(chǔ)的讀者。
博文視點AI系列深度學(xué)習(xí)之PYTORCH實戰(zhàn)計算機(jī)視覺 目錄
第1章 淺談人工智能、神經(jīng)網(wǎng)絡(luò)和計算機(jī)視覺 1
1.1 人工還是智能 1
1.2 人工智能的三起兩落 2
1.2.1 兩起兩落 2
1.2.2 卷土重來 3
1.3 神經(jīng)網(wǎng)絡(luò)簡史 5
1.3.1 生物神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò) 5
1.3.2 M-P模型 6
1.3.3 感知機(jī)的誕生 9
1.3.4 你好,深度學(xué)習(xí) 10
1.4 計算機(jī)視覺 11
1.5 深度學(xué)習(xí) 12
1.5.1 圖片分類 12
1.5.2 圖像的目標(biāo)識別和語義分割 13
1.5.3 自動駕駛 13
1.5.4 圖像風(fēng)格遷移 14
第2章 相關(guān)的數(shù)學(xué)知識 15
2.1 矩陣運算入門 15
2.1.1 標(biāo)量、向量、矩陣和張量 15
2.1.2 矩陣的轉(zhuǎn)置 17
2.1.3 矩陣的基本運算 18
2.2 導(dǎo)數(shù)求解 22
2.2.1 一階導(dǎo)數(shù)的幾何意義 23
2.2.2 初等函數(shù)的求導(dǎo)公式 24
2.2.3 初等函數(shù)的和、差、積、商求導(dǎo) 26
2.2.4 復(fù)合函數(shù)的鏈?zhǔn)椒▌t 27
第3章 深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 29
3.1 監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí) 29
3.1.1 監(jiān)督學(xué)習(xí) 30
3.1.2 無監(jiān)督學(xué)習(xí) 32
3.1.3 小結(jié) 33
3.2 欠擬合和過擬合 34
3.2.1 欠擬合 34
3.2.2 過擬合 35
3.3 后向傳播 36
3.4 損失和優(yōu)化 38
3.4.1 損失函數(shù) 38
3.4.2 優(yōu)化函數(shù) 39
3.5 激活函數(shù) 42
3.5.1 Sigmoid 44
3.5.2 tanh 45
3.5.3 ReLU 46
3.6 本地深度學(xué)習(xí)工作站 47
3.6.1 GPU和CPU 47
3.6.2 配置建議 49
第4章 卷積神經(jīng)網(wǎng)絡(luò) 51
4.1 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 51
4.1.1 卷積層 51
4.1.2 池化層 54
4.1.3 全連接層 56
4.2 LeNet模型 57
4.3 AlexNet模型 59
4.4 VGGNet模型 61
4.5 GoogleNet 65
4.6 ResNet 69
第5章 Python基礎(chǔ) 72
5.1 Python簡介 72
5.2 Jupyter Notebook 73
5.2.1 Anaconda的安裝與使用 73
5.2.2 環(huán)境管理 76
5.2.3 環(huán)境包管理 77
5.2.4 Jupyter Notebook的安裝 79
5.2.5 Jupyter Notebook的使用 80
5.2.6 Jupyter Notebook常用的快捷鍵 86
5.3 Python入門 88
5.3.1 Python的基本語法 88
5.3.2 Python變量 92
5.3.3 常用的數(shù)據(jù)類型 94
5.3.4 Python運算 99
5.3.5 Python條件判斷語句 107
5.3.6 Python循環(huán)語句 109
5.3.7 Python中的函數(shù) 113
5.3.8 Python中的類 116
5.4 Python中的NumPy 119
5.4.1 NumPy的安裝 119
5.4.2 多維數(shù)組 119
5.4.3 多維數(shù)組的基本操作 125
5.5 Python中的Matplotlib 133
5.5.1 Matplotlib的安裝 133
5.5.2 創(chuàng)建圖 133
第6章 PyTorch基礎(chǔ) 142
6.1 PyTorch中的Tensor 142
6.1.1 Tensor的數(shù)據(jù)類型 143
6.1.2 Tensor的運算 146
6.1.3 搭建一個簡易神經(jīng)網(wǎng)絡(luò) 153
6.2 自動梯度 156
6.2.1 torch.autograd和Variable 156
6.2.2 自定義傳播函數(shù) 159
6.3 模型搭建和參數(shù)優(yōu)化 162
6.3.1 PyTorch之torch.nn 162
6.3.2 PyTorch之torch.optim 167
6.4 實戰(zhàn)手寫數(shù)字識別 169
6.4.1 torch和torchvision 170
6.4.2 PyTorch之torch.transforms 171
6.4.3 數(shù)據(jù)預(yù)覽和數(shù)據(jù)裝載 173
6.4.4 模型搭建和參數(shù)優(yōu)化 174
第7章 遷移學(xué)習(xí) 180
7.1 遷移學(xué)習(xí)入門 180
7.2 數(shù)據(jù)集處理 181
7.2.1 驗證數(shù)據(jù)集和測試數(shù)據(jù)集 182
7.2.2 數(shù)據(jù)預(yù)覽 182
7.3 模型搭建和參數(shù)優(yōu)化 185
7.3.1 自定義VGGNet 185
7.3.2 遷移VGG16 196
7.3.3 遷移ResNet50 203
7.4 小結(jié) 219
第8章 圖像風(fēng)格遷移實戰(zhàn) 220
8.1 風(fēng)格遷移入門 220
8.2 PyTorch圖像風(fēng)格遷移實戰(zhàn) 222
8.2.1 圖像的內(nèi)容損失 222
8.2.2 圖像的風(fēng)格損失 223
8.2.3 模型搭建和參數(shù)優(yōu)化 224
8.2.4 訓(xùn)練新定義的卷積神經(jīng)網(wǎng)絡(luò) 226
8.3 小結(jié) 232
第9章 多模型融合 233
9.1 多模型融合入門 233
9.1.1 結(jié)果多數(shù)表決 234
9.1.2 結(jié)果直接平均 236
9.1.3 結(jié)果加權(quán)平均 237
9.2 PyTorch之多模型融合實戰(zhàn) 239
9.3 小結(jié) 246
第10章 循環(huán)神經(jīng)網(wǎng)絡(luò) 247
10.1 循環(huán)神經(jīng)網(wǎng)絡(luò)入門 247
10.2 PyTorch之循環(huán)神經(jīng)網(wǎng)絡(luò)實戰(zhàn) 249
10.3 小結(jié) 257
第11章 自動編碼器 258
11.1 自動編碼器入門 258
11.2 PyTorch之自動編碼實戰(zhàn) 259
11.2.1 通過線性變換實現(xiàn)自動編碼器模型 260
11.2.2 通過卷積變換實現(xiàn)自動編碼器模型 267
11.3 小結(jié) 273
博文視點AI系列深度學(xué)習(xí)之PYTORCH實戰(zhàn)計算機(jī)視覺 作者簡介
唐進(jìn)民,深入理解深度學(xué)習(xí)與計算機(jī)視覺知識體系,有扎實的PyTorch、Python和數(shù)學(xué)功底。長期活躍于Github、知乎等平臺并分享與深度學(xué)習(xí)相關(guān)的文章,具有一定的閱讀量和人氣。此前還在某AI網(wǎng)絡(luò)教育平臺兼職Mentor,輔導(dǎo)新學(xué)員入門機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。
- >
山海經(jīng)
- >
推拿
- >
唐代進(jìn)士錄
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
名家?guī)阕x魯迅:朝花夕拾
- >
名家?guī)阕x魯迅:故事新編
- >
回憶愛瑪儂
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)