掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥70.8
加入購(gòu)物車
PyTorch深度學(xué)習(xí)模型開(kāi)發(fā)實(shí)戰(zhàn) 版權(quán)信息
- ISBN：9787517094159
- 條形碼：9787517094159 ; 978-7-5170-9415-9
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
PyTorch深度學(xué)習(xí)模型開(kāi)發(fā)實(shí)戰(zhàn) 本書(shū)特色
本書(shū)是一本通過(guò)PyTorch深度學(xué)習(xí)模型開(kāi)發(fā)案例學(xué)習(xí)深度學(xué)習(xí)技術(shù)應(yīng)用方法的圖書(shū)，對(duì)精心設(shè)計(jì)的9大類深度學(xué)習(xí)任務(wù)構(gòu)建模型，讓讀者可以逐步掌握高級(jí)且實(shí)用的深度學(xué)習(xí)開(kāi)發(fā)和應(yīng)用的方法。每個(gè)深度學(xué)習(xí)模型都是 State-of-the-Art（高性能模型）的基礎(chǔ)，讀者若能夠親自動(dòng)手實(shí)現(xiàn)，對(duì)以后的研究和開(kāi)發(fā)工作一定會(huì)有很大幫助。 案例涵蓋面廣：以PyTorch為工具，對(duì)常見(jiàn)的9種類型的深度學(xué)習(xí)任務(wù)進(jìn)行了編程實(shí)現(xiàn)，讓讀者對(duì)深度學(xué)習(xí)技術(shù)的應(yīng)用有一個(gè)全面了解。 代碼解說(shuō)詳細(xì)：對(duì)各深度學(xué)習(xí)模型的實(shí)現(xiàn)方法及源代碼進(jìn)行了詳細(xì)解說(shuō)，將原理與實(shí)際操作相結(jié)合，便于學(xué)生閱讀和理解程序的本質(zhì)。 語(yǔ)言通俗易懂：雖然本書(shū)針對(duì)的是深度學(xué)習(xí)中、高級(jí)層次的讀者，但書(shū)中的語(yǔ)言也盡量避免晦澀艱深，做到通俗易懂，讓學(xué)習(xí)過(guò)程更高效。 實(shí)用針對(duì)性強(qiáng)：書(shū)中的每章都是為了解決特定任務(wù)而設(shè)計(jì)的主題，實(shí)用性和針對(duì)性特別強(qiáng)，而且特別注重原理的解說(shuō)和過(guò)程的實(shí)現(xiàn)，讀者可以從中學(xué)習(xí)到一些小竅門，舉一反三，掌握靈活構(gòu)建其他深度學(xué)習(xí)模型的能力。 本書(shū)實(shí)現(xiàn)的任務(wù)內(nèi)容及深度學(xué)習(xí)模型 遷移學(xué)習(xí)，微調(diào)：用少量的圖像數(shù)據(jù)構(gòu)建深度學(xué)習(xí)模型 物體檢測(cè)（SSD）：對(duì)圖像中的位置和內(nèi)容進(jìn)行檢測(cè) 語(yǔ)義分割（PSPNet）：在像素級(jí)別上對(duì)圖像中的物體進(jìn)行檢測(cè) 姿勢(shì)識(shí)別OpenPose：檢測(cè)人物，并對(duì)人體各部位的鏈接進(jìn)行識(shí)別 GAN（DCGAN，Self-Attention GAN）：生成現(xiàn)實(shí)中實(shí)際存在的圖像 異常檢測(cè)（AnoGAN，Efficient GAN）：用GAN對(duì)圖像中的異常圖像進(jìn)行檢測(cè) 自然語(yǔ)言處理（Transformer，BERT）：對(duì)文本數(shù)據(jù)進(jìn)行情感分析 視頻分類（3DCNN，ECO）：對(duì)人物動(dòng)作的視頻數(shù)據(jù)進(jìn)行分類 讀者對(duì)象：高校人工智能·機(jī)器學(xué)習(xí)·深度學(xué)習(xí)相關(guān)專業(yè)高年級(jí)學(xué)生；有一定AI技術(shù)基礎(chǔ)、想積累深度學(xué)習(xí)實(shí)踐經(jīng)驗(yàn)的初級(jí)工程師；想通過(guò)實(shí)戰(zhàn)提升機(jī)器學(xué)習(xí)·深度學(xué)習(xí)技術(shù)應(yīng)用水平的所有開(kāi)發(fā)人員和科研人員；對(duì)AI開(kāi)發(fā)感興趣并對(duì)深度學(xué)習(xí)技術(shù)的基礎(chǔ)內(nèi)容有一定編程經(jīng)驗(yàn)的所有人員
PyTorch深度學(xué)習(xí)模型開(kāi)發(fā)實(shí)戰(zhàn) 內(nèi)容簡(jiǎn)介
人工智能應(yīng)用已經(jīng)遍及各行各業(yè)，而機(jī)器學(xué)習(xí)和深度學(xué)習(xí)作為其中的重要組成部分也越來(lái)越火熱。《PyTorch深度學(xué)習(xí)模型開(kāi)發(fā)實(shí)戰(zhàn)》就以近年來(lái)很好流行的Python 機(jī)器學(xué)可庫(kù) PyTorch為工目。對(duì)深度學(xué)習(xí)中的遷移學(xué)習(xí)、圖像分類、物體檢測(cè)、語(yǔ)義分割、姿勢(shì)識(shí)別、圖像生成、異常檢測(cè)、自然語(yǔ)言處理以及視頻分類等各種任務(wù)進(jìn)行了詳細(xì)講解及深度學(xué)習(xí)模型的編程實(shí)現(xiàn)。這些任務(wù)都是為幫助讀者積累實(shí)踐經(jīng)驗(yàn)，以便能在實(shí)際開(kāi)發(fā)中靈活運(yùn)用深度學(xué)習(xí)技術(shù)精挑細(xì)選出來(lái)的。讀者只要親自動(dòng)手，依次對(duì)各種任務(wù)進(jìn)行編程實(shí)踐，并理解其中的原理，就一定能逐步掌握復(fù)雜深度學(xué)習(xí)的應(yīng)用方法。 《PyTorch深度學(xué)習(xí)模型開(kāi)發(fā)實(shí)戰(zhàn)》 內(nèi)容豐富全面，講解通俗易懂，特別適合作為有一定基礎(chǔ)的AI工程師提升技能、中不錯(cuò)機(jī)器學(xué)習(xí)/深度學(xué)習(xí)工程師鞏固相關(guān)基礎(chǔ)的參考書(shū)籍。
PyTorch深度學(xué)習(xí)模型開(kāi)發(fā)實(shí)戰(zhàn) 目錄
第1章圖像分類與遷移學(xué)習(xí)（VGG）
1.1已完成訓(xùn)練的VGG模型的使用方法
1.1.1ImageNet數(shù)據(jù)集與VGG-16模型
1.1.2文件夾的準(zhǔn)備
1.1.3準(zhǔn)備工作
1.1.4軟件包的導(dǎo)入及PyTorch版本的確認(rèn)
1.1.5VGG-16已完成訓(xùn)練模型的載入
1.1.6輸入圖片的預(yù)處理類的編寫
1.1.7根據(jù)輸出結(jié)果預(yù)測(cè)標(biāo)簽的后處理類的編寫
1.1.8使用已完成學(xué)習(xí)的VGG模型對(duì)手頭上的圖片進(jìn)行預(yù)測(cè)
1.2使用PyTorch進(jìn)行深度學(xué)習(xí)的實(shí)現(xiàn)流程
1.3遷移學(xué)習(xí)的編程實(shí)現(xiàn)
1.3.1遷移學(xué)習(xí)
1.3.2準(zhǔn)備文件夾
1.3.3準(zhǔn)備工作
1.3.4實(shí)現(xiàn)代碼的初始設(shè)置
1.3.5創(chuàng)建Dataset
1.3.6創(chuàng)建DataLoader
1.3.7創(chuàng)建網(wǎng)絡(luò)模型
1.3.8定義損失函數(shù)
1.3.9設(shè)定很優(yōu)化算法
1.3.10學(xué)習(xí)和驗(yàn)證的施行
1.4亞馬遜AWS的GPU云計(jì)算服務(wù)器的使用方法
1.4.1使用云服務(wù)器的理由
1.4.2創(chuàng)建AWS賬號(hào)
1.4.3AWS管理控制臺(tái)
1.4.4AWS的EC2虛擬主機(jī)的創(chuàng)建方法
1.4.5EC2服務(wù)器的訪問(wèn)與Anaconda的操作
1.5微調(diào)的實(shí)現(xiàn)
1.5.1微調(diào)
1.5.2準(zhǔn)備文件夾及事先準(zhǔn)備
1.5.3創(chuàng)建Dataset和DataLoader
1.5.4創(chuàng)建網(wǎng)絡(luò)模型
1.5.5定義損失函數(shù)
1.5.6設(shè)置很優(yōu)化算法
1.5.7學(xué)習(xí)和驗(yàn)證的施行
1.5.8保存和讀取訓(xùn)練完畢的網(wǎng)絡(luò)
小結(jié)
第2章物體檢測(cè)（SSD）
2.1物體檢測(cè)概述
2.1.1物體檢測(cè)概要
2.1.2物體檢測(cè)任務(wù)的輸入與輸出
2.1.3VOC數(shù)據(jù)集
2.1.4基于SSD實(shí)現(xiàn)物體檢測(cè)的流程
2.2Dataset的實(shí)現(xiàn)
2.2.1重溫在PyTorch中實(shí)現(xiàn)深度學(xué)習(xí)的流程
2.2.2文件夾的準(zhǔn)備
2.2.3準(zhǔn)備工作
2.2.4創(chuàng)建圖像數(shù)據(jù)、標(biāo)注數(shù)據(jù)的文件路徑列表
2.2.5將xml格式的標(biāo)注數(shù)據(jù)轉(zhuǎn)換為列表
2.2.6創(chuàng)建實(shí)現(xiàn)圖像與標(biāo)注的預(yù)處理DataTransform類
2.2.7創(chuàng)建Dataset
2.3DataLoader的實(shí)現(xiàn)
2.4網(wǎng)絡(luò)模型的實(shí)現(xiàn)
2.4.1SSD網(wǎng)絡(luò)模型概要
2.4.2vgg模塊的實(shí)現(xiàn)
2.4.3extras模塊的實(shí)現(xiàn)
2.4.4loc模塊與conf模塊的實(shí)現(xiàn)
2.4.5L2Norm層的實(shí)現(xiàn)
2.4.6DefaultBox的實(shí)現(xiàn)
2.4.7SSD類的實(shí)現(xiàn)
2.5正向傳播函數(shù)的實(shí)現(xiàn)
2.5.1decode函數(shù)的實(shí)現(xiàn)
2.5.2Non-MaximumSuppression函數(shù)的實(shí)現(xiàn)
2.5.3Detect類的實(shí)現(xiàn)
2.5.4SSD模塊的實(shí)現(xiàn)
2.6損失函數(shù)的實(shí)現(xiàn)
2.6.1運(yùn)用了jaccard系數(shù)的match函數(shù)的行為
2.6.2難分樣本挖掘
2.6.3SmoothL1Loss函數(shù)與交叉熵誤差函數(shù)
2.6.4SSD損失函數(shù)MultiBoxLoss類的實(shí)現(xiàn)
……
第3章語(yǔ)義分割（PSPNet）
第4章姿勢(shì)識(shí)別（OpenPose）
第5章基于GAN的圖像生成（DCGAN、Self-AttentionGAN）
第6章基于GAN的異常檢測(cè)（AnoGAN、EfficientGAN）
第7章基于自然語(yǔ)言處理的情感分析（Transformer）
第8章基于自然語(yǔ)言處理的情感分析（BERT）
第9章視頻分類（3DCNN、ECO）
后記
展開(kāi)全部
PyTorch深度學(xué)習(xí)模型開(kāi)發(fā)實(shí)戰(zhàn) 作者簡(jiǎn)介
小川雄太郎 東京大學(xué)理學(xué)博士，曾在東京大學(xué)研究生院從事腦功能測(cè)量及計(jì)算論的神經(jīng)科學(xué)研究。獲取博士學(xué)位后，曾擔(dān)任東京大學(xué)特聘研究員。現(xiàn)任職于日本電通國(guó)際信息服務(wù)公司總部 AI 技術(shù)開(kāi)發(fā)部，主要負(fù)責(zé)以深度學(xué)習(xí)為主的機(jī)器學(xué)習(xí)相關(guān)技術(shù)的研究開(kāi)發(fā)和技術(shù)支持。另外，他還是早稻田大學(xué)全球教育中心的兼職講師和日本深度學(xué)習(xí)協(xié)會(huì)會(huì)員。在業(yè)余時(shí)間開(kāi)展了多場(chǎng)人工智能相關(guān)講座并撰寫了多種人工智能相關(guān)書(shū)籍。
書(shū)友推薦
- >
月亮與六便士
- >
煙與鏡
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
史學(xué)評(píng)論
- >
隨園食單
- >
姑媽的寶刀
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
名家?guī)阕x魯迅:朝花夕拾
本類暢銷
