深度學習案例實戰 版權信息
- ISBN:9787115656025
- 條形碼:9787115656025 ; 978-7-115-65602-5
- 裝幀:平裝-膠訂
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
深度學習案例實戰 本書特色
(1)作者來自復旦大學,在國內具有一定的影響力,常舉辦相關的培訓和講座。
(2)難度適中、系統性強,內容基本覆蓋了主流深度學習平臺的主要特點和深度學習的實戰難點。深入淺出,適合初學者。
(3)教材配套資料齊全,包括PPT課件、思考題、分析數據、Python程序、源代碼和講解視頻等,還有實驗平臺和頭歌在線教學平臺。
(4)實踐指導性強。利用主流的深度學習開源平臺,通過15個實戰案例知識,結合多家知名企業的實戰合作項目實踐,詳細地分析了深度學習算法在典型領域的應用。
(5)國家級一流本科課程“深度學習及其應用”的配套教材。
深度學習案例實戰 內容簡介
深度學習已經廣泛地應用于各行各業,并推動了人工智能的發展。本書結合項目實踐,介紹了主流深度學習平臺的主要特點和深度學習的實戰難點。在此基礎上利用主流的深度學習開源平臺,通過15個實戰案例,詳細地分析了卷積神經網絡、循環神經網絡、生成對抗網絡、自注意力機制等深度學習算法在金融、零售、交通等典型領域的應用。 本書精心選擇數據和應用問題,設計項目的實驗指導,以基于實際應用的項目作為案例,突出深度學習算法應用過程中常遇到的問題,使學生不僅能理解主流深度學習平臺的原理,還能針對實際問題設計思路,具有較強的實戰性。
深度學習案例實戰 目錄
第 1章 低代碼開發和加速平臺 11.1 深度學習實戰項目需求 11.2 ModelScope簡介 21.3 OpenVINO簡介 4思考題 8第 2章 太陽黑子智能分類 9第 1章 低代碼開發和加速平臺 11.1 深度學習實戰項目需求 11.2 ModelScope簡介 21.3 OpenVINO簡介 4思考題 8第 2章 太陽黑子智能分類 92.1 背景分析 92.2 數據準備 92.3 數據預處理 102.3.1 圖像融合 112.3.2 數據增強 122.3.3 數據集劃分 132.4 深度卷積網絡分類模型 162.4.1基礎網絡 162.4.2 網絡輸出層設計 172.4.3 學習率衰減 172.4.4 模型訓練 182.4.5 實驗評估 192.5 基于Conformer的圖片分類模型 202.5.1 Conformer模型介紹 202.5.2 模型構建 212.5.3 訓練過程 222.5.4 模型優化 242.5.5 模型評估 26思考題 28第3章 氣象預測 293.1數據準備 293.2數據可視化 313.3數據預處理 313.4使用卷積神經網絡進行預測 323.4.1 搭建inception網絡 333.4.2 訓練過程 343.5基于孿生卷積網絡的預測 363.5.1 搭建孿生inception網絡 373.5.2 訓練過程 383.6使用循環神經網絡進行預測 393.6.1 搭建循環神經網絡模塊 393.6.2 訓練過程 403.7結合循環神經網絡與卷積神經網絡的方法訓練 413.7.1 搭建Inception-LSTM網絡 423.7.2 訓練過程 43思考題 44第4章 食物咀嚼聲音分類 454.1數據預處理 454.1.1音頻加載 454.1.2對低層特征的提取 454.1.3 MFCC和Mel頻譜特征提取 464.1.4心理聲學特征tonnetz和chroma提取 464.2 VGG網絡訓練 474.3 VGG模型的改進 504.3.1數據集的清理 504.3.2清理數據集的構建 51思考題 52第5章 智能廚房 535.1數據采集與預處理 535.2 遷移學習準備 575.3 YOLOv5模型配置 575.4 YOLOv5模型訓練 605.5 使用OpenVINO加速YOLOv5模型 62思考題 66第6章 智能冰箱食材識別 676.1問題分析 676.2數據預處理 676.2.1數據探索 686.2.2 數據集轉換 686.2.3數據集分割 696.2.4數據增強 706.3 YOLOX模型訓練和優化 706.3.1 模型選擇 716.3.2模型訓練 716.3.3模型轉換 726.4使用OpenVINO進行優化和推理 736.4.1 OpenVINO模型優化 736.4.2 OpenVINO推理 736.4.3性能對比 746.4.4存取動作判斷 75思考題 76第7章 集體照人臉識別 777.1 數據集的準備 777.2數據預處理 787.2.1數據劃分 787.2.2數據集格式轉換 797.2.3創建ModelScope數據集 807.3 DamoFD模型訓練 817.3.1模型微調 817.3.2創建ModelScope模型 827.3.3集體照人臉識別 837.4模型ModelScope創空間發布 85思考題 88第8章 遛狗牽繩智能檢測 898.1 數據準備 898.2 數據預處理 928.3 DAMO-YOLO模型訓練 938.4 DAMO-YOLO模型的推理應用 95思考題 97第9章 智能藥品識別 989.1 數據收集 989.2 數據預處理 989.3 數據集統計 1029.4 YOLOv5算法訓練和優化 1029.5 模型轉換和推理 1049.6 新增藥品管理 106思考題 108第 10章 道路裂紋檢測 10910.1數據準備 10910.2 數據預處理 11010.3 Cascade-Mask-RCNN-Swin網絡訓練和優化 11210.4 Cascade-Mask-RCNN-Swin推理 116思考題 118第 11章 課堂學生行為檢測 11911.1 數據準備 11911.1.1 數據獲取 11911.1.2 數據標注 12011.1.3 數據預處理 12211.2 DAMO-YOLO模型訓練 12511.3 DAMO-YOLOs模型推理 126思考題 127第 12章 水邊垂釣行為檢測 12812.1 數據采集與預處理 12812.1.1 數據劃分和標注 12912.1.2 標注數據的格式轉換 13012.1.3標簽文件重新生成 13312.1.4數據增強 13312.2 數據預處理 13412.3 默認訓練參數 13512.4 模型訓練與參數優化 13512.4.1數據增強實驗 13712.4.2 模型精調與性能優化 13912.4.3 訓練策略調整 13912.5 模型測試 14012.6 總結 142思考題 142第 13章 主副駕駛安全帶檢測 14313.1數據集的準備 14313.2 數據增強 14613.3模型訓練 14713.4 使用ModelScope框架實現模型 14913.5 在Openvino平臺加速模型 15013.6 結論 153思考題 153
展開全部
深度學習案例實戰 作者簡介
趙衛東,復旦大學副教授,主要負責本科生和各類研究生機器學習、大數據核心技術和人工智能(機器學習)(商務數據分析)等課程的教學,2011年紐約大學訪問學者。人工智能(機器學習)被評為上海市精品課程以及CMOOC聯盟線上線下混合式教學改革項目,獲得2013年高等教育上海市教學成果獎二等獎。目前主要研究方向包括機器學習應用和大數據分析等。主持國家自然科學基金2項、國家重點研發計劃子課題、上海市浦江人才以及企業合作課題等30多項目。已在Knowledge and Information Systems ,Information Processing & Management,Information Systems Frontiers,Intelligent Data Analysis,Applied Intelligence等國內外刊物和學術會議發表論文100多篇。出版專著、教材《機器學習》《機器學習案例實戰》《Python機器學習實戰案例》等10多部。獲得上海市2015年上海市科技進步二等獎。CDA三級認證數據科學家,騰訊云和百度云機器學習認證講師。