幫助中心 | 我的帳號 | 關於我們

深度學習之PyTorch實戰電腦視覺/博文視點AI系列

  • 作者:編者:唐進民
  • 出版社:電子工業
  • ISBN:9787121341441
  • 出版日期:2018/06/01
  • 裝幀:平裝
  • 頁數:273
人民幣:RMB 79 元      售價:
放入購物車
加入收藏夾

內容大鋼
    電腦視覺、自然語言處理和語音識別是目前深度學習領域很熱門的三大應用方向,本書旨在幫助零基礎或基礎較為薄弱的讀者入門深度學習,達到能夠獨立使用深度學習知識處理電腦視覺問題的水平。通過閱讀本書,讀者將學到人工智慧的基礎概念及Python編程技能,掌握PyTorch的使用方法,學到深度學習相關的理論知識,比如卷積神經網路、循環神經網路、自動編碼器,等等。在掌握深度學習理論和編程技能之後,讀者還會學到如何基於PyTorch深度學習框架實戰電腦視覺。本書中的大量實例可讓讀者在循序漸進地學習的同時,不斷地獲得成就感。
    唐進民編著的《深度學習之PyTorch實戰電腦視覺》面向對深度學習技術感興趣、但是相關基礎知識較為薄弱或者零基礎的讀者。

作者介紹
編者:唐進民
    唐進民,深入理解深度學習與電腦視覺知識體系,有紮實的PyTorch、Python和數學功底。長期活躍于Github、知乎等平台並分享與深度學習相關的文章,具有一定的閱讀量和人氣。此前還在某AI網路教育平台兼職Mentor,輔導新學員入門機器學習和深度學習。

目錄
第1章  淺談人工智慧、神經網路和電腦視覺
  1.1  人工還是智能
  1.2  人工智慧的三起兩落
    1.2.1  兩起兩落
    1.2.2  捲土重來
  1.3  神經網路簡史
    1.3.1  生物神經網路和人工神經網路
    1.3.2  M-P模型
    1.3.3  感知機的誕生
    1.3.4  你好,深度學習
  1.4  電腦視覺
  1.5  深度學習  12
    1.5.1  圖片分類
    1.5.2  圖像的目標識別和語義分割
    1.5.3  自動駕駛
    1.5.4  圖像風格遷移
第2章  相關的數學知識
  2.1  矩陣運算入門
    2.1.1  標量、向量、矩陣和張量
    2.1.2  矩陣的轉置
    2.1.3  矩陣的基本運算
  2.2  導數求解
    2.2.1  一階導數的幾何意義
    2.2.2  初等函數的求導公式
    2.2.3  初等函數的和、差、積、商求導
    2.2.4  複合函數的鏈式法則
第3章  深度神經網路基礎
  3.1  監督學習和無監督學習
    3.1.1  監督學習
    3.1.2  無監督學習
    3.1.3  小結
  3.2  欠擬合和過擬合
    3.2.1  欠擬合
    3.2.2  過擬合
  3.3  後向傳播
  3.4  損失和優化
    3.4.1  損失函數
    3.4.2  優化函數
  3.5  激活函數
    3.5.1  Sigmoid
    3.5.2  tanh
    3.5.3  ReLU
  3.6  本地深度學習工作站
    3.6.1  GPU和CPU
    3.6.2  配置建議
第4章  卷積神經網路
  4.1  卷積神經網路基礎
    4.1.1  卷積層
    4.1.2  池化層
    4.1.3  全連接層

  4.2  LeNet模型
  4.3  AlexNet模型
  4.4  VGGNet模型
  4.5  GoogleNet
  4.6  ResNet
第5章  Python基礎
  5.1  Python簡介
  5.2  Jupyter  Notebook
    5.2.1  Anaconda的安裝與使用
    5.2.2  環境管理
    5.2.3  環境包管理
    5.2.4  Jupyter  Notebook的安裝
    5.2.5  Jupyter  Notebook的使用
    5.2.6  Jupyter  Notebook常用的快捷鍵
  5.3  Python入門
    5.3.1  Python的基本語法
    5.3.2  Python變數
    5.3.3  常用的數據類型
    5.3.4  Python運算
    5.3.5  Python條件判斷語句
    5.3.6  Python循環語句
    5.3.7  Python中的函數
    5.3.8  Python中的類
  5.4  Python中的NumPy
    5.4.1  NumPy的安裝
    5.4.2  多維數組
    5.4.3  多維數組的基本操作
  5.5  Python中的Matplotlib
    5.5.1  Matplotlib的安裝
    5.5.2  創建圖
第6章  PyTorch基礎
  6.1  PyTorch中的Tensor
    6.1.1  Tensor的數據類型
    6.1.2  Tensor的運算
    6.1.3  搭建一個簡易神經網路
  6.2  自動梯度
    6.2.1  torch.autograd和Variable
    6.2.2  自定義傳播函數
  6.3  模型搭建和參數優化
    6.3.1  PyTorch之torch.nn
    6.3.2  PyTorch之torch.optim
  6.4  實戰手寫數字識別
    6.4.1  torch和torchvision
    6.4.2  PyTorch之torch.transforms
    6.4.3  數據預覽和數據裝載
    6.4.4  模型搭建和參數優化
第7章  遷移學習
  7.1  遷移學習入門
  7.2  數據集處理
    7.2.1  驗證數據集和測試數據集

    7.2.2  數據預覽
  7.3  模型搭建和參數優化
    7.3.1  自定義VGGNet
    7.3.2  遷移VGG16
    7.3.3  遷移ResNet50
  7.4  小結
第8章  圖像風格遷移實戰
  8.1  風格遷移入門
  8.2  PyTorch圖像風格遷移實戰
    8.2.1  圖像的內容損失
    8.2.2  圖像的風格損失
    8.2.3  模型搭建和參數優化
    8.2.4  訓練新定義的卷積神經網路
  8.3  小結
第9章  多模型融合
  9.1  多模型融合入門
    9.1.1  結果多數表決
    9.1.2  結果直接平均
    9.1.3  結果加權平均
  9.2  PyTorch之多模型融合實戰
  9.3  小結
第10章  循環神經網路
    10.1  循環神經網路入門
    10.2  PyTorch之循環神經網路實戰
    10.3  小結
第11章  自動編碼器
  11.1  自動編碼器入門
  11.2  PyTorch之自動編碼實戰
    11.2.1  通過線性變換實現自動編碼器模型
    11.2.2  通過卷積變換實現自動編碼器模型
  11.3  小結

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032