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
深度學習在動態媒體中的應用與實踐 版權信息
- ISBN：9787115480101
- 條形碼：9787115480101 ; 978-7-115-48010-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習在動態媒體中的應用與實踐 本書特色
本書是一本深度學習的基礎入門讀物，對深度學習的基本理論進行了介紹，主要以Ubuntu系統為例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分別在3個框架下，通過3個實戰項目掌握了框架的使用方法，并詳細描述了生產流程，*后講述了通過集群部署深度學習的項目以及如何進行運營維護的注意事項。本書適合對深度學習有濃厚興趣的讀者、希望用深度學習完成設計的計算機專業或電子信息專業的高校畢業生以及想從實戰項目入手的深度學習研發工程師或算法工程師。
深度學習在動態媒體中的應用與實踐 內容簡介
本書是一本深度學習的基礎入門讀物，對深度學習的基本理論進行了介紹，主要以Ubuntu系統為例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分別在3個框架下，通過3個實戰項目掌握了框架的使用方法，并詳細描述了生產流程，很后講述了通過集群部署深度學習的項目以及如何進行運營維護的注意事項。 本書適合對深度學習有濃厚興趣的讀者、希望用深度學習完成設計的計算機專業或電子信息專業的高校畢業生以及想從實戰項目入手的深度學習研發工程師或算法工程師。
深度學習在動態媒體中的應用與實踐 目錄
目錄
第 1章 深度學習簡介1
1.1 深度學習的發展1
1.2 深度學習的應用及研究方向3
1.3 深度學習工具介紹和對比4
1.3.1 Caffe4
1.3.2 TensorFlow5
1.3.3 Torch6
1.4 小結7
第 2章 深度學習基本理論9
2.1 深度學習的基本概念9
2.2 深度學習的訓練過程13
2.3 深度學習的常用模型和方法14
2.4 小結20
第3章 深度學習環境搭建23
3.1 Caffe安裝23
3.1.1 安裝Caffe的相關依賴項24
3.1.2 安裝NVIDIA驅動24
3.1.3 安裝CUDA27
3.1.4 配置cuDNN30
3.1.5 源代碼編譯安裝OpenCV32
3.1.6 編譯Caffe，并配置Python接口34
3.2 Caffe框架下的MNIST數字識別問題41
3.3 TensorFlow安裝42
3.3.1 基于pip安裝42
3.3.2 基于Anaconda安裝46
3.3.3 基于源代碼安裝51
3.3.4 常見安裝問題56
3.4 TensorFlow框架下的CIFAR圖像識別問題59
3.5 Torch安裝61
3.5.1 無CUDA的Torch 7安裝61
3.5.2 CUDA的Torch 7安裝61
3.6 Torch框架下neural-style圖像合成問題62
3.7 小結74
第4章 人臉識別75
4.1 人臉識別概述75
4.2 人臉識別系統設計76
4.2.1 需求分析76
4.2.2 功能設計77
4.2.3 模塊設計78
4.3 系統生產環境部署及驗證81
4.3.1 抽幀環境部署81
4.3.2 抽幀功能驗證82
4.3.3 OpenFace環境部署82
4.3.4 OpenFace環境驗證84
4.4 批量生產90
4.5 小結102
第5章 車輛識別103
5.1 概述103
5.2 系統設計104
5.2.1 需求分析104
5.2.2 功能設計104
5.2.3 模塊設計105
5.3 系統生產環境部署及驗證106
5.3.1 生產環境部署106
5.3.2 項目部署107
5.3.3 環境驗證108
5.4 批量生產109
5.5 小結117
第6章 不良視頻識別119
6.1 概述119
6.2 不良圖片模型簡介120
6.3 系統設計122
6.4 系統部署及系統測試驗證123
6.5 批量生產125
6.5.1 批量節目元數據信息檢索與篩選125
6.5.2 基于FFmpeg的SDK抽取視頻I幀126
6.5.3 基于膚色比例檢測的快速篩查128
6.5.4 基于Caffe框架的不良圖片檢測128
6.6 小結129
第7章 集群部署與運營維護131
7.1 認識Docker131
7.2 基于Docker的TensorFlow實驗環境134
7.3 運營維護137
7.4 小結138
參考文獻139
第 1章 深度學習簡介1
1.1 深度學習的發展1
1.2 深度學習的應用及研究方向3
1.3 深度學習工具介紹和對比4
1.3.1 Caffe4
1.3.2 TensorFlow5
1.3.3 Torch6
1.4 小結7
第 2章 深度學習基本理論9
2.1 深度學習的基本概念9
2.2 深度學習的訓練過程13
2.3 深度學習的常用模型和方法14
2.4 小結20
第3章 深度學習環境搭建23
3.1 Caffe安裝23
3.1.1 安裝Caffe的相關依賴項24
3.1.2 安裝NVIDIA驅動24
3.1.3 安裝CUDA27
3.1.4 配置cuDNN30
3.1.5 源代碼編譯安裝OpenCV32
3.1.6 編譯Caffe，并配置Python接口34
3.2 Caffe框架下的MNIST數字識別問題41
3.3 TensorFlow安裝42
3.3.1 基于pip安裝42
3.3.2 基于Anaconda安裝46
3.3.3 基于源代碼安裝51
3.3.4 常見安裝問題56
3.4 TensorFlow框架下的CIFAR圖像識別問題59
3.5 Torch安裝61
3.5.1 無CUDA的Torch 7安裝61
3.5.2 CUDA的Torch 7安裝61
3.6 Torch框架下neural-style圖像合成問題62
3.7 小結74
第4章 人臉識別75
4.1 人臉識別概述75
4.2 人臉識別系統設計76
4.2.1 需求分析76
4.2.2 功能設計77
4.2.3 模塊設計78
4.3 系統生產環境部署及驗證81
4.3.1 抽幀環境部署81
4.3.2 抽幀功能驗證82
4.3.3 OpenFace環境部署82
4.3.4 OpenFace環境驗證84
4.4 批量生產90
4.5 小結102
第5章 車輛識別103
5.1 概述103
5.2 系統設計104
5.2.1 需求分析104
5.2.2 功能設計104
5.2.3 模塊設計105
5.3 系統生產環境部署及驗證106
5.3.1 生產環境部署106
5.3.2 項目部署107
5.3.3 環境驗證108
5.4 批量生產109
5.5 小結117
第6章 不良視頻識別119
6.1 概述119
6.2 不良圖片模型簡介120
6.3 系統設計122
6.4 系統部署及系統測試驗證123
6.5 批量生產125
6.5.1 批量節目元數據信息檢索與篩選125
6.5.2 基于FFmpeg的SDK抽取視頻I幀126
6.5.3 基于膚色比例檢測的快速篩查128
6.5.4 基于Caffe框架的不良圖片檢測128
6.6 小結129
第7章 集群部署與運營維護131
7.1 認識Docker131
7.2 基于Docker的TensorFlow實驗環境134
7.3 運營維護137
7.4 小結138
參考文獻139
展開全部
深度學習在動態媒體中的應用與實踐 作者簡介
唐宏，男，中國電信股份有限公司廣州研究院數據通信研究所所長、工程師，中國電子學會云計算專家委員會委員，中國電信股份有限公司科技委員會數據組副組長，中國通信學會CCSA TC1 WG4副組長，中國SDN產業聯盟需求場景與網絡架構組組長，主要從事IP承載網、下一代互聯網、網絡新技術方面的研發與管理工作。 陳麒，浙江工業大學信息工程學院信息與通信工程工學碩士，現任職于中國電信股份有限公司廣州研究院，主要從事人工智能與CDN的研發工作。 莊一嶸，中山大學通信與信息系統專業碩士，現任職于中國電信股份有限公司廣州研究院，主要從事CDN、IPTV、人工智能應用等研發工作。
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
苦雨齋序跋文-周作人自編集
- >
經典常談
- >
名家帶你讀魯迅:故事新編
- >
莉莉和章魚
- >
我與地壇
- >
巴金－再思錄
- >
羅庸西南聯大授課錄
本類暢銷
