包郵深度學習案例實戰(zhàn)

作者：趙衛(wèi)東著

出版社：人民郵電出版社出版時間：2024-12-01

開本： 16開 頁數(shù)： 184

本類榜單：教材銷量榜

中圖價:¥43.6(8.4折) 定價 ~~¥52.0~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
闖進數(shù)學世界――探秘歷史名題

闖進數(shù)學世界――探秘歷史名題

¥20.7¥32.8
>
中醫(yī)基礎理論

中醫(yī)基礎理論

¥51.7¥59
>
當代中國政府與政治(新編21世紀公共管理系列教材)

當代中國政府與政治(新編21世紀公共管理系列教材)

¥31.2¥48
>
高校軍事課教程

高校軍事課教程

¥12.4¥38
>
思想道德與法治(2021年版)

思想道德與法治(2021年版)

¥8.5¥18
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)

毛澤東思想和中國特色社會主義理論體系概論(2021年版)

¥8.5¥25
>
中醫(yī)內科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材

中醫(yī)內科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材

¥85.1¥99

商品詳情
商品評論(0條)

中圖價:¥43.6 加入購物車

版權信息
本書特色
內容簡介
目錄
作者簡介

深度學習案例實戰(zhàn) 版權信息

ISBN：9787115656025
條形碼：9787115656025 ; 978-7-115-65602-5
裝幀：平裝-膠訂
冊數(shù)：暫無
重量：暫無
所屬分類：
教材
>
研究生/本科/�？平滩�

深度學習案例實戰(zhàn) 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(tǒng)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(zhàn)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(shù)據(jù)、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(zhàn)案例知識，結合多家知名企業(yè)的實戰(zhàn)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(zhàn) 內容簡介

深度學習已經(jīng)廣泛地應用于各行各業(yè)，并推動了人工智能的發(fā)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(zhàn)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(zhàn)案例，詳細地分析了卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、生成對抗網(wǎng)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(shù)據(jù)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(zhàn)性。

深度學習案例實戰(zhàn) 目錄

第　1章低代碼開發(fā)和加速平臺　11.1　深度學習實戰(zhàn)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(fā)和加速平臺　11.1　深度學習實戰(zhàn)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(shù)據(jù)準備　92.3　數(shù)據(jù)預處理　102.3.1　圖像融合　112.3.2　數(shù)據(jù)增強　122.3.3　數(shù)據(jù)集劃分　132.4　深度卷積網(wǎng)絡分類模型　162.4.1基礎網(wǎng)絡　162.4.2　網(wǎng)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(yōu)化　242.5.5　模型評估　26思考題　28第3章　氣象預測　293.1數(shù)據(jù)準備　293.2數(shù)據(jù)可視化　313.3數(shù)據(jù)預處理　313.4使用卷積神經(jīng)網(wǎng)絡進行預測　323.4.1　搭建inception網(wǎng)絡　333.4.2　訓練過程　343.5基于孿生卷積網(wǎng)絡的預測　363.5.1　搭建孿生inception網(wǎng)絡　373.5.2　訓練過程　383.6使用循環(huán)神經(jīng)網(wǎng)絡進行預測　393.6.1　搭建循環(huán)神經(jīng)網(wǎng)絡模塊　393.6.2　訓練過程　403.7結合循環(huán)神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡的方法訓練　413.7.1　搭建Inception-LSTM網(wǎng)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(shù)據(jù)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(wǎng)絡訓練　474.3　VGG模型的改進　504.3.1數(shù)據(jù)集的清理　504.3.2清理數(shù)據(jù)集的構建　51思考題　52第5章　智能廚房　535.1數(shù)據(jù)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(shù)據(jù)預處理　676.2.1數(shù)據(jù)探索　686.2.2　數(shù)據(jù)集轉換　686.2.3數(shù)據(jù)集分割　696.2.4數(shù)據(jù)增強　706.3　YOLOX模型訓練和優(yōu)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(yōu)化和推理　736.4.1　OpenVINO模型優(yōu)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(shù)據(jù)集的準備　777.2數(shù)據(jù)預處理　787.2.1數(shù)據(jù)劃分　787.2.2數(shù)據(jù)集格式轉換　797.2.3創(chuàng)建ModelScope數(shù)據(jù)集　807.3　DamoFD模型訓練　817.3.1模型微調　817.3.2創(chuàng)建ModelScope模型　827.3.3集體照人臉識別　837.4模型ModelScope創(chuàng)空間發(fā)布　85思考題　88第8章　遛狗牽繩智能檢測　898.1　數(shù)據(jù)準備　898.2　數(shù)據(jù)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(shù)據(jù)收集　989.2　數(shù)據(jù)預處理　989.3　數(shù)據(jù)集統(tǒng)計　1029.4　YOLOv5算法訓練和優(yōu)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(shù)據(jù)準備　10910.2　數(shù)據(jù)預處理　11010.3　Cascade-Mask-RCNN-Swin網(wǎng)絡訓練和優(yōu)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(shù)據(jù)準備　11911.1.1　數(shù)據(jù)獲取　11911.1.2　數(shù)據(jù)標注　12011.1.3　數(shù)據(jù)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(shù)據(jù)采集與預處理　12812.1.1　數(shù)據(jù)劃分和標注　12912.1.2　標注數(shù)據(jù)的格式轉換　13012.1.3標簽文件重新生成　13312.1.4數(shù)據(jù)增強　13312.2　數(shù)據(jù)預處理　13412.3　默認訓練參數(shù)　13512.4　模型訓練與參數(shù)優(yōu)化　13512.4.1數(shù)據(jù)增強實驗　13712.4.2　模型精調與性能優(yōu)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(shù)據(jù)集的準備　14313.2　數(shù)據(jù)增強　14613.3模型訓練　14713.4　使用ModelScope框架實現(xiàn)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(zhàn) 作者簡介

趙衛(wèi)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(shù)據(jù)核心技術和人工智能（機器學習）（商務數(shù)據(jù)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(lián)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(shù)據(jù)分析等。主持國家自然科學基金2項、國家重點研發(fā)計劃子課題、上海市浦江人才以及企業(yè)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(fā)表論文100多篇。出版專著、教材《機器學習》《機器學習案例實戰(zhàn)》《Python機器學習實戰(zhàn)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(shù)據(jù)科學家，騰訊云和百度云機器學習認證講師。

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦