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
深度學習實戰之PADDLEPADDLE 版權信息
- ISBN：9787115503329
- 條形碼：9787115503329 ; 978-7-115-50332-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習實戰之PADDLEPADDLE 本書特色
內 容 提 要 本書全面講解了深度學習框架PaddlePaddle，并結合典型案例，闡述了PaddlePaddle的具體應用。本書共15章。第 1 章介紹了深度學習及其主流框架；第2章介紹了幾種不同的PaddlePaddle安裝方式；第3章使用MNIST數據集實現手寫數字識別；第4章介紹CIFAR彩色圖像識別；第5章介紹了自定義數據集的識別；第6章介紹了驗證碼的識別；第7章介紹了場景文字的識別；第8章實現了驗證碼的端到端的識別；第9～11章講解了車牌識別、使用SSD神經網絡完成目標檢測；第12章和第13章介紹了Fluid、可視化工具VisualDL；第 14 章和第 15 章介紹了如何在服務器端與Android移動終端使用PaddlePaddle進行項目實踐。 本書適合機器學習愛好者、程序員、人工智能方面的從業人員閱讀，也可以作為大專院校相關專業的師生用書和培訓學校的教材。
深度學習實戰之PADDLEPADDLE 內容簡介
內 容 提 要 本書全面講解了深度學習框架PaddlePaddle，并結合典型案例，闡述了PaddlePaddle的具體應用。本書共15章。第 1 章介紹了深度學習及其主流框架；第2章介紹了幾種不同的PaddlePaddle安裝方式；第3章使用MNIST數據集實現手寫數字識別；第4章介紹CIFAR彩色圖像識別；第5章介紹了自定義數據集的識別；第6章介紹了驗證碼的識別；第7章介紹了場景文字的識別；第8章實現了驗證碼的端到端的識別；第9～11章講解了車牌識別、使用SSD神經網絡完成目標檢測；2章和3章介紹了Fluid、可視化工具VisualDL；第 14 章和第 15 章介紹了如何在服務器端與Android移動終端使用PaddlePaddle進行項目實踐。 本書適合機器學習愛好者、程序員、人工智能方面的從業人員閱讀，也可以作為大專院校相關專業的師生用書和培訓學校的教材。
深度學習實戰之PADDLEPADDLE 目錄
目 錄
第 1章 深度學習 1
1.1 引言 1
1.2 深度學習框架簡介 1
1.3 數學基礎知識 3
1.3.1 線性代數相關知識 3
1.3.2 概率論相關知識 10
1.3.3 導數相關知識 13
1.4 簡單的深度學習理論知識 14
1.5 小結 19
第 2章 PaddlePaddle的安裝 20
2.1 引言 20
2.2 計算機配置 20
2.3 安裝前的檢查 20
2.4 使用pip安裝 21
2.5 使用Docker安裝 23
2.6 從源碼編譯并生成安裝包 25
2.6.1 在本地編譯并生成安裝包 25
2.6.2 在Docker中編譯并生成
安裝包 28
2.7 編譯Docker鏡像 29
2.8 在Windows操作系統中安裝
PaddlePaddle的方法 30
2.8.1 在Windows系統中安裝
Docker容器 30
2.8.2 在Windows系統中
安裝Ubuntu 35
2.8.3 在Windows 10中安裝Linux
子系統 41
2.9 測試安裝效果 43
2.10 小結 45
第3章 使用MNIST數據集實現手寫
數字識別 46
3.1 引言 46
3.2 數據集 46
3.3 定義神經網絡模型 47
3.4 開始訓練模型 50
3.4.1 導入依賴包 50
3.4.2 初始化Paddle 51
3.4.3 獲取訓練器 51
3.4.4 開始訓練 52
3.5 使用參數預測 54
3.5.1 初始化PaddlePaddle 54
3.5.2 獲取訓練好的參數 54
3.5.3 讀取圖片 54
3.5.4 開始預測 55
3.6 小結 56
第4章 CIFAR數據集中彩色圖像的
識別 57
4.1 引言 57
4.2 數據集 57
4.3 定義神經網絡模型 59
4.4 開始訓練模型 61
4.4.1 導入依賴包 62
4.4.2 初始化Paddle 62
4.4.3 獲取參數 62
4.4.4 創建訓練器 63
4.4.5 開始訓練 64
4.5 使用參數預測 67
4.6 使用其他神經模型 69
4.7 小結 70
第5章 自定義圖像數據集的識別 72
5.1 引言 72
5.2 網絡爬蟲技術 72
5.2.1 網絡爬蟲的整體框架 72
5.2.2 URL管理器 74
5.2.3 網頁下載器 75
5.2.4 網頁解析器 76
5.3 網絡爬蟲實例 77
5.3.1 調度器的使用 79
5.3.2 URL管理器的使用 80
5.3.3 網頁下載器的使用 81
5.3.4 網頁解析器的使用 82
5.3.5 數據收集器的使用 83
5.3.6 運行代碼 84
5.4 數據集 88
5.4.1 生成圖像列表 89
5.4.2 讀取數據 92
5.5 定義神經網絡 96
5.6 使用PaddlePaddle開始訓練 97
5.6.1 創建訓練器 98
5.6.2 開始訓練 99
5.7 使用PaddlePaddle預測 102
5.8 小結 104
第6章 驗證碼的識別 105
6.1 引言 105
6.2 數據集的獲取 105
6.2.1 下載驗證碼 106
6.2.2 修改驗證碼的文件名 107
6.2.3 裁剪驗證碼 108
6.2.4 生成圖像列表 110
6.3 讀取數據 111
6.4 使用PaddlePaddle開始訓練 112
6.5 使用PaddlePaddle預測 118
6.5.1 裁剪驗證碼 118
6.5.2 預測圖像 119
6.5.3 標簽轉成字符 120
6.6 小結 121
第7章 場景文字識別 122
7.1 引言 122
7.2 數據集 122
7.3 定義神經網絡模型 123
7.4 數據的讀取 128
7.4.1 讀取圖像列表 128
7.4.2 生成標簽字典 129
7.4.3 讀取訓練數據 131
7.5 訓練模型 133
7.5.1 訓練準備 133
7.5.2 安裝libwarpctc.so庫 135
7.5.3 開始訓練 136
7.6 開始預測 137
7.7 小結 140
第8章 驗證碼端到端的識別 141
8.1 引言 141
8.2 數據集 141
8.3 生成圖像列表文件 143
8.4 數據的讀取 144
8.4.1 讀取數據并存儲成列表 144
8.4.2 生成和讀取標簽字典 145
8.4.3 讀取訓練和測試的數據 146
8.5 定義網絡模型 147
8.6 生成訓練器 150
8.7 定義訓練 151
8.8 啟動訓練 152
8.9 開始預測 153
8.10 小結 156
第9章 車牌端到端的識別 157
9.1 引言 157
9.2 車牌數據的采集 157
9.2.1 車牌數據的下載 157
9.2.2 命名車牌圖像 159
9.2.3 車牌定位 159
9.2.4 灰度化圖像 163
9.3 數據的讀取 164
9.3.1 生成列表文件 164
9.3.2 以列表方式讀取數據 165
9.3.3 生成和讀取標簽字典 166
9.3.4 訓練數據和測試數據的
讀取 167
9.4 定義神經網絡 169
9.5 開始訓練 171
9.6 開始預測 173
9.7 小結 176
第 10章 使用VOC數據集實現目標
檢測 177
10.1 引言 177
10.2 VOC數據集 177
10.2.1 下載VOC數據集 178
10.2.2 生成圖像列表 179
10.3 數據預處理 180
10.4 SSD神經網絡 182
10.5 訓練模型 186
10.6 評估模型 189
10.7 預測數據 191
10.7.1 預測并保存預測
結果 191
10.7.2 顯示畫出的框 193
10.8 小結 195
第 11章 通過自定義圖像數據集實現
目標檢測 196
11.1 引言 196
11.2 數據集 196
11.2.1 下載車牌數據 196
11.2.2 重命名圖像 197
11.3 標注數據集 198
11.3.1 安裝LabelImg 198
11.3.2 使用LabelImg 198
11.3.3 生成圖像列表 201
11.4 訓練模型 202
11.4.1 預訓練模型處理 202
11.4.2 開始訓練 203
11.5 評估模型 204
11.6 預測圖片 205
11.6.1 獲取預測結果 205
11.6.2 顯示預測結果 206
11.7 小結 208
第 12章 使用PaddlePaddle Fluid 209
12.1 引言 209
12.2 Fluid版本 209
12.3 定義神經網絡 210
12.4 訓練程序 212
12.4.1 定義數據 213
12.4.2 定義平均正確率 213
12.4.3 定義測試程序 213
12.4.4 定義優化方法 214
12.5 訓練模型 214
12.5.1 定義調試器 215
12.5.2 獲取數據 215
12.5.3 開始訓練 216
12.5.4 保存預測模型 217
12.6 預測模型 217
12.7 小結 219
第 13章 可視化工具VisualDL的
使用 220
13.1 引言 220
13.2 VisualDL的介紹 220
13.3 VisualDL的安裝 222
13.3.1 使用pip安裝 223
13.3.2 使用源碼安裝 224
13.4 簡單使用VisualDL 224
13.5 在PaddlePaddle中使用
VisualDL 226
13.5.1 定義VisualDL
組件 226
13.5.2 編寫PaddlePaddle
代碼 227
13.5.3 把數據添加到
VisualDL中 229
13.6 小結 232
第 14章 把PaddlePaddle部署到網站
服務器上 233
14.1 引言 233
14.2 開發環境 233
14.3 Flask的使用 234
14.3.1 安裝Flask 234
14.3.2 測試Flask框架是否安裝
成功 234
14.3.3 文件上傳 235
14.4 使用PaddlePaddle預測 237
14.4.1 獲取預測模型 237
14.4.2 部署PaddlePaddle 238
14.5 小結 242
第 15章 把PaddlePaddle應用到
Android手機 244
15.1 引言 244
15.2 編譯PaddlePaddle庫 244
15.2.1 使用Docker編譯
PaddlePaddle庫 244
15.2.2 使用Linux編譯
PaddlePaddle庫 247
15.3 MobileNet神經網絡 250
15.4 訓練模型 254
15.5 編寫預測代碼 258
15.6 合并模型 261
15.7 移植到Android 262
15.7.1 加載PaddlePaddle庫 262
15.7.2 加載合并的模型 263
15.7.3 開發Android程序 263
15.8 小結 272
展開全部
深度學習實戰之PADDLEPADDLE 作者簡介
潘志宏，工程師，ACM會員、CCF會員。研究興趣:機器學習(深度學習)、物聯網、移動互聯網。主持和參與省市級、校級項目10余項，發表論文16篇，其中EI、北大核心期刊10篇，作者論文獲得北大核心期刊論文、東莞市計算機學會論文。申請發明專利、實用新型專利共6項，其中獲得軟件著作權3項，已出版教材2部。指導學生獲得省級/市級競賽獎項40余項，多次獲得省級指導教師獎。 王培彬，網名夜雨飄零，多次在省市級學科競賽獲獎，獲得軟件著作權4項，百度PaddlePaddle深度學習框架社區的"騎士團"成員，主要研究方向為計算機視覺。在CSDN博客編寫"我的PaddlePaddle學習之路"系列文章，并在GitHub開源相關代碼，并得到廣泛的認可。 萬智萍，研究興趣:機器學習(深度學習)、物聯網、無線傳感器網絡，認知無線電，網絡安全。主持和參與省市級、校級項目23余項，發表論文45篇，獨撰發表論文32篇，其中中文核心期刊有22篇，CPCI檢索4篇，獲得實用新型專利12項，獲得軟件著作權1項，已出版教材2部。指導學生獲獎共29項，獲得組織先進個人獎。 邱澤敏，系統架構設計師。在機器學習、智能算法等領域有較多的理論和實踐工作積累，在國內外期刊及會議發表論文10余篇，主持及作為核心人員參與各類省市、校級科研教改項目共6項， 實用新型專利1項，軟件著作權1項。
書友推薦
- >
詩經-先民的歌唱
- >
山海經
- >
莉莉和章魚
- >
龍榆生：詞曲概論/大家小書
- >
隨園食單
- >
苦雨齋序跋文-周作人自編集
- >
唐代進士錄
- >
名家帶你讀魯迅:故事新編
本類暢銷
