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
機器學習與邊緣人工智能實驗 版權信息
- ISBN：9787030720429
- 條形碼：9787030720429 ; 978-7-03-072042-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習與邊緣人工智能實驗 內容簡介
《機器學習與邊緣人工智能實驗》共14章，涵蓋了深度學習中的大部分學習網絡方法。第1～2章介紹開發環境軟件安裝和深度學習相關的軟件包，第3～4章是鳶尾花多分類全連接神經網絡識別案例與實現，第5～6章是MINIST手寫數字識別案例，第7章是Fashion MNIST服裝識別案例，可以加深對卷積神經網絡的認識，第8章介紹CIFAR-10數據集彩色圖片識別案例，第9章介紹循環卷積神經網絡并通過字母預測實現，第10章是Embedding編碼下通過4個字母預測下一個字母的案例，第11章是股票預測案例，第12章是基于OpenCV和Keras的人臉識別案例，第13章是基于Yolov3_tiny AI小車的目標檢測案例，第14章是AI智能小車的斑馬線識別案例。
機器學習與邊緣人工智能實驗 目錄
目錄
前言
第1章 開發環境軟件安裝 001
（一）實驗目的 002
（二）實驗內容 002
（三）實驗設備 002
（四）軟件環境匹配 002
（五）實驗步驟 004
（六）實驗要求 021
第2章 TensorFlow-GPU 1.13.1和CV2等開發包及其他依賴庫安裝 022
（一）實驗目的 023
（二）實驗內容 023
（三）實驗設備 023
（四）軟件介紹 023
（五）安裝步驟 024
（六）實驗要求 044
第3章 鳶尾花多分類全連接神經網絡識別案例（Python代碼實現） 045
（一）實驗目的 046
（二）實驗內容 046
（三）實驗設備 046
（四）實驗原理 046
（五）實驗步驟 052
（六）實驗要求 059
（七）實驗習題 059
第4章 鳶尾花多分類全連接神經網絡識別案例（Keras類實現） 060
（一）實驗目的 061
（二）實驗內容 061
（三）實驗設備 061
（四）實驗原理 061
（五）實驗步驟 066
（六）實驗要求 072
（七）實驗習題 072
第5章 MINIST手寫數字識別案例（Python代碼實現） 073
（一）實驗目的 074
（二）實驗內容 074
（三）實驗設備 074
（四）實驗原理 074
（五）實驗步驟 084
（六）實驗要求 091
（七）實驗習題 091
第6章 MINIST手寫數字識別案例（Keras類實現） 093
（一）實驗目的 094
（二）實驗內容 094
（三）實驗設備 094
（四）實驗原理 094
（五）實驗步驟 103
（六）實驗要求 111
（七）實驗習題 111
第7章 Fashion MNIST服裝識別案例 112
（一）實驗目的 113
（二）實驗內容 113
（三）實驗設備 113
（四）實驗原理 113
（五）實驗步驟 119
（六）實驗要求 127
（七）實驗習題 128
第8章 CIFAR-10數據集彩色圖片識別案例 129
（一）實驗目的 130
（二）實驗內容 130
（三）實驗設備 130
（四）實驗原理 130
（五）實驗步驟 139
（六）實驗要求 145
（七）實驗習題 146
第9章 Embedding編碼下通過1個字母預測下一個字母的案例 147
（一）實驗目的 148
（二）實驗內容 148
（三）實驗設備 148
（四）實驗原理 148
（五）實驗步驟 154
（六）實驗要求 160
（七）實驗習題 160
第10章 Embedding編碼下通過4個字母預測下一個字母的案例 161
（一）實驗目的 162
（二）實驗內容 162
（三）實驗設備 162
（四）實驗原理 162
（五）實驗步驟 169
（六）實驗要求 178
（七）實驗習題 178
第11章 股票預測案例（LSTM網絡實現） 179
（一）實驗目的 180
（二）實驗內容 180
（三）實驗設備 180
（四）實驗原理 180
（五）實驗步驟 187
（六）實驗要求 195
（七）實驗習題 195
第12章 基于OpenCV和Keras的人臉識別案例 196
（一）實驗目的 197
（二）實驗內容 197
（三）實驗設備 197
（四）實驗原理 197
（五）實驗步驟 209
（六）實驗要求 217
（七）實驗習題 217
第13章 基于Yolov3_tinyAI小車的目標檢測案例 218
（一）實驗目的 219
（二）實驗內容 219
（三）實驗設備 219
（四）實驗原理 219
（五）實驗步驟 224
（六）實驗要求 225
（七）實驗習題 226
第14章 AI智能小車的斑馬線識別案例 227
（一）實驗目的 228
（二）實驗內容 228
（三）實驗設備 228
（四）實驗原理 228
（五）實驗步驟 232
（六）實驗要求 237
（七）實驗習題 237
參考文獻 238
前言
第1章 開發環境軟件安裝 001
（一）實驗目的 002
（二）實驗內容 002
（三）實驗設備 002
（四）軟件環境匹配 002
（五）實驗步驟 004
（六）實驗要求 021
第2章 TensorFlow-GPU 1.13.1和CV2等開發包及其他依賴庫安裝 022
（一）實驗目的 023
（二）實驗內容 023
（三）實驗設備 023
（四）軟件介紹 023
（五）安裝步驟 024
（六）實驗要求 044
第3章 鳶尾花多分類全連接神經網絡識別案例（Python代碼實現） 045
（一）實驗目的 046
（二）實驗內容 046
（三）實驗設備 046
（四）實驗原理 046
（五）實驗步驟 052
（六）實驗要求 059
（七）實驗習題 059
第4章 鳶尾花多分類全連接神經網絡識別案例（Keras類實現） 060
（一）實驗目的 061
（二）實驗內容 061
（三）實驗設備 061
（四）實驗原理 061
（五）實驗步驟 066
（六）實驗要求 072
（七）實驗習題 072
第5章 MINIST手寫數字識別案例（Python代碼實現） 073
（一）實驗目的 074
（二）實驗內容 074
（三）實驗設備 074
（四）實驗原理 074
（五）實驗步驟 084
（六）實驗要求 091
（七）實驗習題 091
第6章 MINIST手寫數字識別案例（Keras類實現） 093
（一）實驗目的 094
（二）實驗內容 094
（三）實驗設備 094
（四）實驗原理 094
（五）實驗步驟 103
（六）實驗要求 111
（七）實驗習題 111
第7章 Fashion MNIST服裝識別案例 112
（一）實驗目的 113
（二）實驗內容 113
（三）實驗設備 113
（四）實驗原理 113
（五）實驗步驟 119
（六）實驗要求 127
（七）實驗習題 128
第8章 CIFAR-10數據集彩色圖片識別案例 129
（一）實驗目的 130
（二）實驗內容 130
（三）實驗設備 130
（四）實驗原理 130
（五）實驗步驟 139
（六）實驗要求 145
（七）實驗習題 146
第9章 Embedding編碼下通過1個字母預測下一個字母的案例 147
（一）實驗目的 148
（二）實驗內容 148
（三）實驗設備 148
（四）實驗原理 148
（五）實驗步驟 154
（六）實驗要求 160
（七）實驗習題 160
第10章 Embedding編碼下通過4個字母預測下一個字母的案例 161
（一）實驗目的 162
（二）實驗內容 162
（三）實驗設備 162
（四）實驗原理 162
（五）實驗步驟 169
（六）實驗要求 178
（七）實驗習題 178
第11章 股票預測案例（LSTM網絡實現） 179
（一）實驗目的 180
（二）實驗內容 180
（三）實驗設備 180
（四）實驗原理 180
（五）實驗步驟 187
（六）實驗要求 195
（七）實驗習題 195
第12章 基于OpenCV和Keras的人臉識別案例 196
（一）實驗目的 197
（二）實驗內容 197
（三）實驗設備 197
（四）實驗原理 197
（五）實驗步驟 209
（六）實驗要求 217
（七）實驗習題 217
第13章 基于Yolov3_tinyAI小車的目標檢測案例 218
（一）實驗目的 219
（二）實驗內容 219
（三）實驗設備 219
（四）實驗原理 219
（五）實驗步驟 224
（六）實驗要求 225
（七）實驗習題 226
第14章 AI智能小車的斑馬線識別案例 227
（一）實驗目的 228
（二）實驗內容 228
（三）實驗設備 228
（四）實驗原理 228
（五）實驗步驟 232
（六）實驗要求 237
（七）實驗習題 237
參考文獻 238
展開全部
機器學習與邊緣人工智能實驗 節選
第1章 開發環境軟件安裝 （一）實驗目的 （1）配置機器學習環境，成功實現在Windows系統下運行機器學習項目。 （2）掌握機器學習環境配置的相關軟件，熟練配置機器學習運行平臺。 （3）掌握Anaconda軟件配置相關運行環境。 （4）掌握Windows平臺下不同環境的搭建方法。 （二）實驗內容 （1）安裝Anaconda，并使用Anaconda配置相關運行平臺。 （2）查找相關資料，根據硬件基礎匹配相應軟件的版本。 （3）完成CUDA、cuDNN、Anaconda、PyCharm的安裝。 （三）實驗設備 （1）PC機1臺。 （四）軟件環境匹配 在搭建Windows機器學習運行平臺的過程中，對于安裝軟件的版本是有嚴格要求的，官方根據不同的硬件環境給出了主要軟件版本的對應表，如表1.1所示。其中Windows系統主要以Windows10為主。 因此，在搭建軟件運行環境前，需要先了解PC機安裝的CUDA驅動版本，并據此安裝相應的運行平臺。 查詢CUDA驅動版本的主要步驟如下。 （1）點擊鼠標右鍵，打開“NVIDIA控制面板”。點擊“系統信息”，如圖1.1所示。 圖1.1 NVIDIA控制面板 （2）打開“系統信息”界面后，點擊“組件”，就可以找到NVIDIA的驅動版本，如圖1.2所示。 圖1.2 NVIDIA驅動版本 需要注意的是，驅動版本是可以升級的。如有需要，可以前往官網下載更新驅動版本，但不建議隨意升級NVIDIA驅動。NVIDIA驅動官方下載地址： NVIDIA的驅動版本與CUDA和系統對應表如表1.2所示，可以根據需要安裝CUDA，下載對應的NVIDIA驅動。 （五）實驗步驟 1. 安裝CUDA 根據系統驅動版本選擇安裝CUDA10.0。CUDA10.0官方下載地址： （1）選擇CUDA安裝路徑，如圖1.3所示。 圖1.3 選擇CUDA安裝路徑 （2）NVIDIA安裝程序軟件許可協議界面如圖1.4所示，點擊“同意并繼續”。 圖1.4 NVIDIA安裝程序軟件許可協議 （3）選擇“自定義（C）（高級）”，如圖1.5所示。 圖1.5 NVIDIA安裝程序安裝選項 （4）根據需要安裝對應組件，通常驅動會自帶“NVIDIA GeForce Experience”，但新升級的驅動可能沒有，可以勾選進行安裝，如圖1.6所示。之后正常安裝即可。 圖1.6 NVIDIA安裝程序自定義安裝選項 （5）需要注意的是，如果電腦之前安裝過Visual Studio，可能會造成安裝失敗，如圖1.7所示。 圖1.7 NVIDIA安裝程序失敗 此時，將“Visual Studio Integration”前面的勾選去掉，即去掉這個組件選項，就可以正常安裝了，如圖1.8所示。因為實驗主要通過PyCharm完成，所以并不會有影響。 圖1.8 去掉“Visual Studio Integration”選項 （6）安裝成功后，關閉安裝進程。打開C盤，進入目錄： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin 如果能在目錄中成功找到nvcc.exe文件，說明安裝成功，如圖1.9所示。 2. 安裝cuDNN cuDNN官方下載地址： 圖1.9 驗證CUDA是否安裝成功 由表1.1可知，與CUDA10.0對應的是cudnn 7.4，下載時需要特別注意下載安裝的系統和版本。下載之后，將文件解壓，解壓后主要有三個文件夾，即bin、include、lib。將解壓后的文件全部移至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目錄下，與原有的bin、lib、include文件夾合并。 （1）解壓文件夾，并將文件夾打開，進入CUDA目錄。解壓后的文件夾如圖1.10所示。 圖1.10 解壓后的文件夾 （2）剪切這三個文件夾，將其粘貼至C:\Program Files\NVIDIA GPU Computing Toolkit\ CUDA\v10.0目錄下，與之前的文件夾合并，如圖1.11所示。如果合并失敗，可以手動將文件一一拖進去。
書友推薦
- >
我與地壇
- >
姑媽的寶刀
- >
月亮虎
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
二體千字文
- >
有舍有得是人生
- >
名家帶你讀魯迅:故事新編
- >
苦雨齋序跋文-周作人自編集
本類暢銷
