万本电子书0元读

万本电子书0元读

顶部广告

深度学习——Caffe之经典模型详解与实战电子书

1 着重于深度学习的应用实践能力提升。 2 以Caffe 深度学习框架为切,剖析了Caffe 网络模型的构成。 3  深解读了利用深度学习行目标定位的经典网络模型。 4 以两大经典实战项目引领读者经历从问题提出到利用Caffe 求解的完整工程。

售       价:¥

纸质售价:¥59.90购买纸书

138人正在读 | 0人评论 6.7

作       者:乐毅,王斌

出  版  社:电子工业出版社

出版时间:2016-10-01

字       数:25.7万

所属分类:

温馨提示:此类商品不支持退换货,不支持下载打印

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书首先介绍了深度学习相关的理论和主流的深度学习框架,然后从Caffe 深度学习框架为切,介绍了Caffe 的安装、配置、编译和口等运行环境,剖析Caffe 网络模型的构成要素和常用的层类型和Solver 方法。通过LeNet 网络模型的Mnist 手写实例介绍其样本训练和识别过程,一步详细解读了AlexNet、VGGNet、GoogLeNet、Siamese 和SqueezeNet 网络模型,并给出了这些模型基于Caffe 的训练实战方法。然后,本书解读了利用深度学习行目标定位的经典网络模型:FCN、R-CNN、Fast-RCNN、Faster-RCNN 和SSD,并行目标定位Caffe 实战。本书的最后,从著名的Kaggle 网站引了两个经典的实战项目,并行了有针对性的原始数据分析、网络模型设计和Caffe 训练策略实践,以求带给读者从问题提出到利用Caffe 求解的完整工程经历,从而使读者能尽快掌握Caffe 框架的使用技巧和实战经验。针对Caffe 和深度学习领域的初学者,本书是一本不可多得的参考资料。本书的内容既有易懂的理论背景,又有丰富的应用实践,是深度学习初学者的指导手册,也可作为深度学习相关领域工程师和爱好者的参考用书。 本书首先介绍了深度学习相关的理论和主流的深度学习框架,然后从Caffe 深度学习框架为切,介绍了Caffe 的安装、配置、编译和口等运行环境,剖析Caffe 网络模型的构成要素和常用的层类型和Solver 方法。通过LeNet 网络模型的Mnist 手写实例介绍其样本训练和识别过程,一步详细解读了AlexNet、VGGNet、GoogLeNet、Siamese 和SqueezeNet 网络模型,并给出了这些模型基于Caffe 的训练实战方法。然后,本书解读了利用深度学习行目标定位的经典网络模型:FCN、R-CNN、Fast-RCNN、Faster-RCNN 和SSD,并行目标定位Caffe 实战。本书的最后,从著名的Kaggle 网站引了两个经典的实战项目,并行了有针对性的原始数据分析、网络模型设计和Caffe 训练策略实践,以求带给读者从问题提出到利用Caffe 求解的完整工程经历,从而使读者能尽快掌握Caffe 框架的使用技巧和实战经验。针对Caffe 和深度学习领域的初学者,本书是一本不可多得的参考资料。本书的内容既有易懂的理论背景,又有丰富的应用实践,是深度学习初学者的指导手册,也可作为深度学习相关领域工程师和爱好者的参考用书。
【推荐语】
1 着重于深度学习的应用实践能力提升。 2 以Caffe 深度学习框架为切,剖析了Caffe 网络模型的构成。 3  深解读了利用深度学习行目标定位的经典网络模型。 4 以两大经典实战项目引领读者经历从问题提出到利用Caffe 求解的完整工程。
【作者】
乐毅:计算机专业硕士,现任职于某数据通信公司,高级系统工程师。负责公司深度学习技术领域的应用及相关项目,对深度学习及大数据深度挖掘具有浓厚的兴趣。擅长Caffe等深度学习框架及网络模型应用。王斌:通信与信息系统硕士,现任职于某数据通信公司,高级系统工程师。多年致力于深度学习技术的前沿研究与应用,对Caffe等深度学习框架在图像识别领域有深刻理解,承担公司多项与机器学习相关的研究工作。
目录展开

前言

第1章 绪论

1.1 引言

1.2 人工智能的发展历程

1.3 机器学习及相关技术

1.4 国内外研究现状

第2章 深度学习

2.1 神经网络模型

2.2 BP神经网络

2.3 卷积神经网络

2.4 深度学习框架

第3章 Caffe简介及其安装配置

3.1 Caffe是什么

3.2 Caffe的安装环境

3.3 Caffe接口

第4章 Caffe网络定义

4.1 Caffe模型要素

4.2 Google Protobuf结构化数据

4.3 Caffe数据库

4.4 Caffe Net

4.5 Caffe Blob

4.6 Caffe Layer

4.7 Caffe Solver

第5章 LeNet模型

5.1 LeNet模型简介

5.2 LeNet模型解读

5.3 Caffe环境LeNet模型

第6章 AlexNet模型

6.1 AlexNet模型介绍

6.2 AlexNet模型解读

6.3 AlexNet模型特点

6.4 Caffe环境AlexNet模型训练

第7章 GoogLeNet模型

7.1 GoogLeNet模型简介

7.2 GoogLeNet模型解读

7.3 GoogLeNet模型的Caffe实现

第8章 VGGNet模型

8.1 VGGNet网络模型

8.2 VGGNet网络训练

8.3 VGGNet模型分类实验

8.4 VGGNet网络结构

第9章 Siamese模型

9.1 Siamese网络模型

9.2 Siamese网络训练

第10章 SqueezeNet模型

10.1 SqueezeNet网络模型

10.2 SqueezeNet网络实现

第11章 FCN模型

11.1 FCN模型简介

11.2 FCN的特点和使用场景

11.3 Caffe FCN解读

第12章 R-CNN模型

12.1 R-CNN模型简介

12.2 R-CNN的特点和使用场景

12.3 Caffe R-CNN解读

第13章 Fast-RCNN模型

13.1 Fast-RCNN模型简介

13.2 Fast-RCNN的特点和使用场景

13.3 Caffe Fast-RCNN解读

第14章 Faster-RCNN模型

14.1 Faster-RCNN模型简介

14.2 Faster-RCNN的特点和使用场景

14.3 Caffe Faster-RCNN解读

第15章 SSD模型

15.1 SSD模型简介

15.2 SSD的特点和使用场景

15.3 Caffe SSD解读

第16章 Kaggle项目实践:人脸特征检测

16.1 项目简介

16.2 赛题和数据

16.3 Caffe训练和测试数据库

第17章 Kaggle项目实践:猫狗分类检测

17.1 项目简介

17.2 赛题和数据

17.3 Caffe训练和测试数据库

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部