中圖網小程序
一鍵登錄
更方便
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-21天實戰Caffe 版權信息
- ISBN：9787121291159
- 條形碼：9787121291159 ; 978-7-121-29115-9
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習-21天實戰Caffe 本書特色
本書是一本深度學習入門讀物。以目前已經大量用于線上系統的深度學習框架caffe為例，由淺入深，從 caffe 的配置、部署、使用開始學習，通過閱讀 caffe 源碼理解其精髓，加強對深度學習理論的理解，*終達到熟練運用 caffe 解決實際問題的目的。和國外機器學習、深度學習大部頭著作相比，本書偏重動手實踐，將難以捉摸的枯燥理論用淺顯易懂的形式表達，透過代碼揭開其神秘面紗，更多地貼近實際應用。
深度學習-21天實戰Caffe 內容簡介
√ 本書內容來自作者長期學習研究及在阿里一線相關工作經歷。√ caffe是應用*廣的深度學習框架，非常適于用來練手和入門。√ 本書側重解決實際問題及理解深度學習理論，實例、習題豐富。√ 既狠抓基功又緊扣產業，既詳述工具、模型又深入分析源碼。
深度學習-21天實戰Caffe 目錄
上篇 初見第1天 什么是深度學習 21.1 星星之火，可以燎原 31.2 師夷長技 41.2.1 谷歌與微軟 41.2.2 facebook、亞馬遜與nvidia 51.3 中國崛起 61.3.1 bat在路上 61.3.2 星光閃耀 71.3.3 企業熱是風向標 81.4 練習題 9第2天 深度學習的過往 102.1 傳統機器學習的局限性 102.2 從表示學習到深度學習 112.3 監督學習 122.4 反向傳播算法 132.5 卷積神經網絡 152.6 深度學習反思 172.7 練習題 182.8 參考資料 18第3天 深度學習工具匯總 193.1 caffe 193.2 torch ＆ overfeat 203.3 mxnet 223.4 tensorflow 223.5 theano 243.6 cntk 243.7 練習題 253.8 參考資料 26第4天 準備caffe環境 274.1 mac os環境準備 274.2 ubuntu環境準備 284.3 rhel/fedora/centos環境準備 294.4 windows環境準備 294.5 常見問題 324.6 練習題 324.7 參考資料 33第5天 caffe依賴包解析 345.1 protobuffer 345.2 boost 385.3 gflags 385.4 glog 395.5 blas 405.6 hdf5 415.7 opencv 425.8 lmdb和leveldb 425.9 snappy 435.10 小結 435.11 練習題 495.12 參考資料 49第6天 運行手寫體數字識別例程 506.1 mnist數據集 506.1.1 下載mnist數據集 506.1.2 mnist數據格式描述 516.1.3 轉換格式 536.2 lenet-5模型 606.2.1 lenet-5模型描述 606.2.2 訓練超參數 656.2.3 訓練日志 666.2.4 用訓練好的模型對數據進行預測 766.2.5 windows下訓練模型 766.3 回顧 786.4 練習題 796.5 參考資料 79篇尾語 80中篇 熱戀第7天 caffe代碼梳理 827.1 caffe目錄結構 827.2 如何有效閱讀caffe源碼 847.3 caffe支持哪些深度學習特性 867.3.1 卷積層 867.3.2 全連接層 897.3.3 激活函數 917.4 小結 997.5 練習題 997.6 參考資料 100第8天 caffe數據結構 1018.1 blob 1018.1.1 blob基本用法 1028.1.2 數據結構描述 1088.1.3 blob是怎樣煉成的 1098.2 layer 1258.2.1 數據結構描述 1268.2.2 layer是怎樣建成的 1278.3 net 1368.3.1 net基本用法 1368.3.2 數據結構描述 1398.3.3 net是怎樣繪成的 1398.4 機制和策略 1468.5 練習題 1478.6 參考資料 148第9天 caffe i/o模塊 1499.1 數據讀取層 1499.1.1 數據結構描述 1499.1.2 數據讀取層實現 1509.2 數據變換器 1559.2.1 數據結構描述 1559.2.2 數據變換器的實現 1569.3 練習題 171第10天 caffe模型 17210.1 prototxt表示 17310.2 內存中的表示 17610.3 磁盤上的表示 17610.4 caffe model zoo 17810.5 練習題 18010.6 參考資料 180第11天 caffe前向傳播計算 18111.1 前向傳播的特點 18111.2 前向傳播的實現 18211.2.1 dag構造過程 18211.2.2 net forward實現 19011.3 練習題 192第12天 caffe反向傳播計算 19312.1 反向傳播的特點 19312.2 損失函數 19312.2.1 算法描述 19412.2.2 參數描述 19512.2.3 源碼分析 19512.3 反向傳播的實現 20312.4 練習題 205第13天 caffe*優化求解過程 20713.1 求解器是什么 20713.2 求解器是如何實現的 20813.2.1 算法描述 20813.2.2 數據結構描述 21013.2.3 cnn訓練過程 21813.2.4 cnn預測過程 22513.2.5 solver的快照和恢復功能 22713.3 練習題 230第14天 caffe實用工具 23114.1 訓練和預測 23114.2 特征提取 24114.3 轉換圖像格式 24714.4 計算圖像均值 25414.5 自己編寫工具 25714.6 練習題 257篇尾語 258下篇 升華第15天 caffe計算加速 26015.1 caffe計時功能 26015.2 caffe gpu加速模式 26215.2.1 gpu是什么 26215.2.2 cuda是什么 26315.2.3 gpu、cuda和深度學習 26315.2.4 caffe gpu環境準備 26415.2.5 切換到caffe gpu加速模式 26815.3 caffe cudnn加速模式 26915.3.1 獲取cudnn 27015.3.2 切換到caffe cudnn加速模式 27015.3.3 caffe不同硬件配置性能 27215.4 練習題 27315.5 參考資料 273第16天 caffe可視化方法 27516.1 數據可視化 27516.1.1 mnist數據可視化 27516.1.2 cifar10數據可視化 27716.1.3 imagenet數據可視化 27816.2 模型可視化 27916.2.1 網絡結構可視化 27916.2.2 網絡權值可視化 28116.3 特征圖可視化 28816.4 學習曲線 29516.5 小結 29816.6 練習題 29816.7 參考資料 299第17天 caffe遷移和部署 30017.1 從開發測試到生產部署 30017.2 使用docker 30217.2.1 docker基本概念 30217.2.2 docker安裝 30317.2.3 docker入門 30517.2.4 docker使用進階 31217.3 練習題 31717.4 參考資料 317第18天 關于ilsvrc不得不說的一些事兒 31818.1 imagenet數據集 31818.2 ilsvrc比賽項目 31918.2.1 圖像分類（cls） 32018.2.2 目標定位（loc） 32018.2.3 目標檢測（det） 32118.2.4 視頻目標檢測（vid） 32218.2.5 場景分類 32218.3 caffe ilsvrc實踐 32318.4 練習題 32618.5 參考資料 326第19天 放之四海而皆準 32719.1 圖像分類 32719.1.1 問題描述 32719.1.2 應用案例——商品分類 33019.2 圖像中的字符識別 33219.2.1 問題描述 33219.2.2 應用案例——身份證實名認證 33319.3 目標檢測 33719.3.1 問題描述 33719.3.2 *佳實踐——運行r-cnn例程 33719.4 人臉識別 34019.4.1 問題描述 34019.4.2 *佳實踐——使用face sdk實現人臉檢測 34219.5 自然語言處理 34319.5.1 問題描述 34319.5.2 *佳實踐——nlp-caffe 34419.6 藝術風格 35019.6.1 問題描述 35019.6.2 *佳實踐——style-transfer 35219.7 小結 35419.8 練習題 35419.9 參考資料 355第20天 繼往開來的領路人 35620.1 caffe traps and pitfalls 35620.1.1 不支持任意數據類型 35620.1.2 不夠靈活的高級接口 35720.1.3 繁雜的依賴包 35720.1.4 堪憂的卷積層實現 35720.1.5 架構之殤 35820.1.6 應用場景局限性 35820.2 *佳實踐——caffe2 35920.3 練習題 36120.4 參考資料 362第21天 新生 36321.1 三人行，必有我師 36321.2 路漫漫其修遠兮，吾將上下而求索 364篇尾語 366結束語 367附錄a 其他深度學習工具 368
展開全部
深度學習-21天實戰Caffe 相關資料
深度學習是當今人工智能領域最炙手可熱的技術，caffe又是深度學習眾多開源框架中很杰出的一款。永科撰寫的這本著作，傾注了很多心血——既有深度學習理論知識的講解，又有caffe源代碼的剖析，還包括解決實際問題的案例；內容翔實、思考全面、深入淺出，每章末尾還附有練習題和參考資料，是大家了解深度學習知識、實踐人工智能應用的一本優秀指南。——陳運文 博士 達觀數據董事長&ceo 趙永科的文章和他本人的工作態度一樣誠懇。本書不僅收納深度學習的頂級心法與最新產業進展，還手把手帶領讀者實踐工具設置與模型搭建，并深入淺出地剖析caffe源代碼和實現方法，可說是內外兼修，絕對是誠意十足的大作！——簡士偉 英特爾(數據中心工程事業群)平臺方案架構師 本書帶領您深入淺出地穿越深度學習模型，揭開它神秘的面紗；通俗易懂，實踐性強，用實例引導讀者從基本原理到代碼實現再到應用場景，涵蓋了深度學習的熱門技術，是目前市面上為數不多的深度學習源碼解析類參考資料，也是一本可以讓你快速掌握深度學習精髓的好書！——劉瑩 中國科學院大學教授|博導，cuda教學中心主持人|cuda研究中心主持人 本書對深度學習的歷史做了簡單梳理,對深度學習常用開源庫做了非常全面的介紹,尤其對caffe做了非常深入的剖析，是一本既探究caffe代碼細節，又介紹深度學習可視化與比賽的書籍，是一本非常實用的深度學習入門及工具書籍，相信該書會對國內深度學習應用的普及產生至關重要的影響。——孫佰貴 阿里巴巴資深算法工程師 這本書是國內第一本在代碼級別上全面剖析caffe框架的指導書，同時也是一本真正的實戰手冊。——辛淼 caffe中國用戶社區（caffecn）創始人 深度學習毫無疑問是當今it行業最火熱的詞匯之一。作為nvidia負責高性能計算團隊的負責人，我看到越來越多的公司在深度學習領域做著大量的投入。深度學習讓我們有了更高的圖像識別率，更準確的語音識別工具，有了alphago。而許多有志于在深度學習領域一展拳腳的研發人員，卻苦于沒有一本淺顯易懂的的深度學習入門書籍，來引領他們開始使用深度神經網絡這一強大的工具。本書以應用廣泛的caffe為切入點，深入地介紹了caffe的使用及一些應用實例，可以讓讀者對深度學習應用的開發過程有一個非常直觀的理解。好比學習一門新的編程語言最有效的手段就是編寫幾個例子程序一樣，本書正可以作為深度學習研發人員的《21 天學通》手邊書。——賴俊杰，英偉達 高性能計算團隊 技術經理 有兩次標志性的事件讓深度學習進入了大眾視野。其中一件是谷歌大腦學會了“貓臉識別”，另外一件就是alphago戰勝了李世石。尤其是后者，借助李世石本身在圍棋界巨大的影響力，深度學習徹底被大眾所認知。人們驚呼，人工智能的時代要來臨了嗎？我本人認為，是的。伴隨摩爾定律下計算機運算能力的大幅提升，人工智能在越來越多的領域找到了有價值的落腳點。這一代的機器學習工作者無疑是非常幸運的，一個注定偉大的時代等待著大家去探索。很高興看到國內這么快就出現了這樣一本深度學習的原創書籍，而更加難能可貴的是，本書內容還是來自于作者在阿里云進行深度學習一線工作的實戰總結，相信此書可以幫助大家更好地進入這個日新月異的領域。——谷文棟 推薦技術社區resyschina發起人 本書非常詳細從深度學習的來龍去脈到caffe框架進行詳細的講解，并難能可貴的引入了底層算法（最優化，深度網絡前向傳播，深度網絡反向傳播）介紹，為進一步深度奠定基礎，是一本非常適合初學者的深度學習書籍。——涂鴉科技技術總監柯都敏、涂鴉科技圖像算法專家孫農海
深度學習-21天實戰Caffe 作者簡介
卜居，真名趙永科，CSDN 博主，博客地址：，現就職于阿里云計算有限公司，從事計算機體系結構、高性能計算系統設計。對計算機視覺、深度學習具有濃厚興趣。擅長 CPU/GPU/FPGA 的算法加速與性能優化。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
小考拉的故事-套裝共3冊
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
上帝之肋:男人的真實旅程
- >
詩經-先民的歌唱
- >
二體千字文
- >
伊索寓言-世界文學名著典藏-全譯本
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
