万本电子书0元读

万本电子书0元读

顶部广告

AI源码解读:卷积神经网络(CNN)深度学习案例(Python版)电子书

融汇科研与教学经验,案例可二次发利用!阿里巴巴字节跳动讯飞智元腾讯百度微软专家联袂推荐!配套程序代码、工程文件、附赠案例!

售       价:¥

纸质售价:¥74.20购买纸书

48人正在读 | 0人评论 6.4

作       者:李永华

出  版  社:清华大学出版社

出版时间:2021-10-01

字       数:8.4万

所属分类: 科技 > 计算机/网络 > 软件系统

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书以人工智能发展为时代背景,通过20个机器学习模型和算法案例,为读者提供较为详细的实战 方案,以便行深度学习。 在编排方式上,全书侧重对创新项目的过程行介绍,分别从整体设计、系统流程和实现模块等角度 论述数据处理、模型训练和模型应用等过程,并剖析模块的功能、使用及程序代码。为便于读者高效学习, 快速掌握人工智能程序发方法,本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题及 解决方法等资料,可供读者举一反三,二次发。 本书语言简洁,深浅出,通俗易懂,不仅适合对Python编程有兴趣的爱好者,而且可作为高等院校 相关专业的参考教材,还可作为从事智能应用创新发专业人员的技术参考书。<br/>【推荐语】<br/>融汇科研与教学经验,案例可二次发利用!阿里巴巴字节跳动讯飞智元腾讯百度微软专家联袂推荐!配套程序代码、工程文件、附赠案例!<br/>【作者】<br/>李永华:北京邮电大学,教授,拥有超过10年的软硬件发经验,长期致力于物联网、云计算与人工智能的研究工作。在教学中以兴趣为导向,激发学生的创造性;以素质为基础,提高自身教学水平;以科研为手段,促教学理念的转变,在教学与科研实践中指导学生实现300余个创新案例。主持30余项国j级与企事业单位课题的研究工作,在国内外学术期刊及会议发表论文100余篇,申请专利50余项,出版图书20余部。<br/>
目录展开

作者简介

内容简介

前言

配套资源

目 录

项目1 电影推荐小程序

1.1 总体设计

1.1.1 系统整体结构

1.1.2 系统流程

1.2 运行环境

1.2.1 Python环境

1.2.2 TensorFlow环境

1.3 模块实现

1.3.1 数据预处理

1.数据集获取

2.数据预处理

1.3.2 模型设计

1.定义嵌入矩阵

2.构建全连接层

3.损失函数

1.3.3 模型训练及测试

1.模型训练

2.模型保存

1.3.4 特征矩阵提取

1.指定用户对电影进行评分

2.生成电影特征矩阵

3.生成用户特征矩阵

1.3.5 推荐电影

1.推荐同类型电影

2.推荐用户喜欢的电影

3.看过这部电影的人还喜欢看哪些电影

1.3.6 客户端

1.App模块

2.app.json模块

3.app.wxss模块

1.4 系统测试

1.4.1 训练准确率

1.4.2 运行结果

1.推荐同类型的电影

2.推荐用户喜欢的电影

3.看过这部电影的用户还喜欢看哪些电影

项目2 服装分类助手

2.1 总体设计

2.1.1 系统整体结构

2.1.2 系统流程

2.2 运行环境

2.2.1 Python环境

2.2.2 PyTorch环境

2.2.3 Django环境

2.3 模块实现

2.3.1 数据预处理

2.3.2 模型创建与编译

1.定义模型结构

2.优化损失函数

2.3.3 模型训练及保存

1.模型训练

2.模型保存

2.3.4 模型生成

1.上传图片

2.分类展示

3.图像预处理

4.模型调用与导入

5.相关代码

2.4 系统测试

2.4.1 训练准确率

2.4.2 测试效果

2.4.3 模型应用

1.启动Web服务器

2.应用使用说明

3.测试结果示例

项目3 检索式模型聊天机器人

3.1 总体设计

3.1.1 系统整体结构

3.1.2 系统流程

3.2 运行环境

3.2.1 Python环境

3.2.2 TensorFlow环境

3.3 模块实现

3.3.1 数据预处理

1.基础数据

2.数据增强

3.数据预处理

3.3.2 模型创建与编译

1.定义模型结构

2.优化损失函数

3.3.3 模型训练及保存

1.模型训练

2.模型保存

3.3.4 模型生成

1.GUI模块

2.中控模块

3.相关代码

3.4 系统测试

3.4.1 训练准确率

3.4.2 测试效果

3.4.3 模型应用

1.程序下载运行

2.应用使用说明

3.测试结果

项目4 方言种类识别

4.1 总体设计

4.1.1 系统整体结构

4.1.2 系统流程

4.2 运行环境

4.2.1 Python环境

4.2.2 TensorFlow环境

4.2.3 Jupyter Notebook环境

4.2.4 PyCharm环境

4.3 模块实现

4.3.1 数据预处理

1.数据介绍

2.数据测试

3.数据处理

4.3.2 模型构建

1.定义模型结构

2.优化损失函数

4.3.3 模型训练及保存

1.模型训练

2.模型保存

3.映射保存

4.3.4 模型生成

4.4 系统测试

4.4.1 训练准确率

4.4.2 测试效果

项目5 行人检测与追踪计数

5.1 总体设计

5.1.1 系统整体结构

5.1.2 系统流程

5.2 运行环境

5.2.1 Python环境

5.2.2 TensorFlow环境

5.2.3 安装所需的软件包

5.2.4 硬件环境

5.3 模块实现

5.3.1 准备数据

5.3.2 数据预处理

1.视频读取

2.获取视频流帧的宽度和高度

3.指定写入视频帧编码格式为MJPG

5.3.3 目标检测

1.目标识别

2.绘制方框

3.目标计数

5.3.4 目标追踪

1.predict()

2.update()

3.绘制物体运动路径

5.3.5 主函数

5.4 系统测试

项目6 智能果实采摘指导系统

6.1 总体设计

6.1.1 系统整体结构

6.1.2 系统流程

6.2 运行环境

6.2.1 Python环境

6.2.2 TensorFlow环境

6.2.3 Jupyter Notebook环境

6.2.4 PyCharm环境

6.2.5 微信开发者工具

6.2.6 OneNET云平台

6.3 模块实现

6.3.1 数据预处理

1.爬取功能

2.下载功能

6.3.2 创建模型与编译

1.定义模型结构

2.优化损失函数

6.3.3 模型训练及保存

1.模型训练

2.模型保存

6.3.4 上传结果

1.图片拍摄

2.模型导入及调用

3.数据上传至OneNET云平台

6.3.5 小程序开发

1.查询图片

2.查询识别结果

6.4 系统测试

6.4.1 训练准确率

6.4.2 测试效果

6.4.3 外部访问效果

项目7 基于CNN的猫种类识别

7.1 总体设计

7.1.1 系统整体结构

7.1.2 系统流程

7.2 运行环境

7.2.1 计算型云服务器

7.2.2 Python环境

7.2.3 TensorFlow环境

7.2.4 MySQL环境

7.2.5 Django环境

7.3 模块实现

7.3.1 数据预处理

7.3.2 数据增强

7.3.3 普通CNN模型

1.模型结构

2.模型优化

3.模型训练

4.模型保存

7.3.4 残差网络模型

1.残差网络的介绍

2.模型结构

3.模型训练

4.模型保存

7.3.5 模型生成

1.搭建Django项目

2.输入图片并预测

3.链接数据库

4.美化网页

7.4 系统测试

7.4.1 训练准确率

1.普通网络模型准确率

2.残差网络模型准确率

3.数据增强后残差网络模型准确率

7.4.2 测试效果

7.4.3 模型应用

项目8 基于VGG-16的驾驶行为分析

8.1 总体设计

8.1.1 系统整体结构

8.1.2 系统流程

8.2 运行环境

8.2.1 Python环境

8.2.2 TensorFlow环境

8.2.3 Android环境

8.3 模块实现

8.3.1 数据预处理

1.数据集来源

2.数据集内容

3.数据集预处理

8.3.2 模型构建

1.定义模型结构

2.优化损失函数

8.3.3 模型训练及保存

1.模型训练

2.模型保存

8.3.4 模型生成

1.模型导入及调用

2.相关代码

8.4 系统测试

8.4.1 训练准确率

8.4.2 测试效果

8.4.3 模型应用

项目9 基于Mask R-CNN的娱乐视频生成器

9.1 总体设计

9.1.1 系统整体结构

9.1.2 系统流程

9.2 运行环境

9.2.1 Python环境

9.2.2 PyTorch环境

9.2.3 Detectron2平台

9.2.4 MoviePy的安装

9.2.5 PyQt的安装

9.3 模块实现

9.3.1 数据处理

1.读取参数设置和模型权重

2.根据预测输出结果处理每帧像素

9.3.2 视频处理

1.音视频的存储与导入

2.音视频的预处理

3.生成参数设置

4.处理结果

9.3.3 PyQt界面

1.片段对象可视化

2.片段播放

9.4 系统测试

9.4.1 训练准确率

9.4.2 运行效率

9.4.3 应用使用说明

项目10 基于CycleGAN的图像转换

10.1 总体设计

10.1.1 系统整体结构

10.1.2 系统流程

10.2 运行环境

10.2.1 Python环境

10.2.2 TensorFlow GPU环境

10.2.3 Android环境

10.3 模块实现

10.3.1 数据集预处理

10.3.2 模型构建

1.定义模型结构

2.优化损失函数

10.3.3 模块分析

1.数据预处理

2.生成器模块

3.判别器模块

10.3.4 模型训练及保存

1.模型训练

2.模型保存

10.3.5 模型生成

1.模型导入

2.Android应用

10.4 系统测试

项目11 交通警察——车辆监控系统

11.1 总体设计

11.1.1 系统整体结构

11.1.2 系统流程

11.2 运行环境

11.2.1 Python环境

11.2.2 TensorFlow环境

11.2.3 PyCharm IDE配置

11.2.4 Protoc配置

11.3 模块实现

11.3.1 API下载及载入

11.3.2 识别训练

11.3.3 导入模型与编译

11.3.4 模型生成

1.超速检测

2.越线检测

3.配置预览

4.显示界面

11.4 系统测试

项目12 验证码的生成与识别

12.1 总体设计

12.1.1 系统整体结构

12.1.2 系统流程

12.2 运行环境

12.2.1 Python环境

12.2.2 TensorFlow环境

12.2.3 VsCode环境

12.3 模块实现

12.3.1 数据预处理

1.数据获取

2.数据集处理

3.图像的预处理

12.3.2 模型搭建

1.定义模型结构

2.优化损失函数

12.3.3 模型训练及保存

1.模型训练

2.模型保存

12.3.4 模型测试

1.新数据集的创建

2.模型测试

12.4 系统测试

12.4.1 训练准确率

12.4.2 测试效果

项目13 基于CNN的交通标志识别

13.1 总体设计

13.1.1 系统整体结构

13.1.2 系统流程

13.2 运行环境

13.3 模块实现

13.3.1 数据预处理

13.3.2 模型构建

1.VGG模型简化版

2.GoogLeNet简化版——MiniGoogLeNet

13.3.3 模型训练及保存

13.4 系统测试

13.4.1 训练准确率

1.VGG模型简化版

2.MiniGoogLeNet模型

13.4.2 测试效果

项目14 图像风格转移

14.1 总体设计

14.1.1 系统整体结构

14.1.2 系统流程

14.2 运行环境

14.2.1 Python环境

14.2.2 TensorFlow环境

14.2.3 库安装

14.2.4 VGG-19网络下载

14.3 模块实现

14.3.1 实时风格转移

1.定义模型结构

2.VGG-19网络预处理

3.损失函数

4.图片的预处理

5.模型训练及保存

14.3.2 非实时风格转移

1.系统流程

2.模型结构

3.计算损失函数

14.3.3 交互界面设计

14.4 系统测试

14.4.1 非实时风格转移测试

14.4.2 实时风格转移测试

项目15 口罩识别系统

15.1 总体设计

15.1.1 系统整体结构

15.1.2 系统流程图

15.2 运行环境

15.3 模块实现

15.3.1 数据预处理

15.3.2 模型训练及保存

1.模型定义

2.模型训练

3.模型保存

15.3.3 页面显示和视频流输入

1.页面显示

2.视频流输入及读取

15.3.4 模型生成

15.4 系统测试

15.4.1 训练准确率

15.4.2 测试效果

项目16 垃圾分类微信小程序

16.1 总体设计

16.1.1 系统整体结构

16.1.2 系统流程

16.2 运行环境

16.2.1 Python环境

16.2.2 TensorFlow环境

16.2.3 微信小程序及后台服务器环境

16.3 模块实现

16.3.1 数据预处理

16.3.2 创建模型与编译

16.3.3 模型训练及保存

16.3.4 模型生成

1.后台服务器

2.微信小程序前端

16.4 系统测试

16.4.1 训练准确率

16.4.2 测试效果

16.4.3 模型应用

1.程序下载运行

2.应用使用说明

3.测试结果示例

项目17 基于OpenCV的人脸识别程序

17.1 总体设计

17.1.1 系统整体结构

17.1.2 系统流程

17.2 运行环境

17.2.1 Python环境

17.2.2 TensorFlow环境

17.3 模块实现

17.3.1 数据预处理

17.3.2 模型构建

1.划分数据集

2.定义模型结构

17.3.3 模型训练

17.4 系统测试

项目18 基于CGAN的线稿自动上色

18.1 总体设计

18.1.1 系统整体结构

18.1.2 系统流程

18.2 运行环境

18.2.1 Python环境

18.2.2 TensorFlow环境

18.3 模块实现

18.3.1 数据预处理

1.数据集爬取

2.颜色方案提取

3.线稿提取

18.3.2 模型构建

1.定义模型结构

2.优化损失函数

18.3.3 模型训练及保存

1.模型训练

2.模型保存

18.3.4 模型应用

18.4 系统测试

18.4.1 训练效果

18.4.2 测试效果

18.4.3 模型使用说明

项目19 基于ACGAN的动漫头像生成

19.1 总体设计

19.1.1 系统整体结构

19.1.2 系统流程

19.2 运行环境

19.2.1 Python环境

19.2.2 TensorFlow环境

19.2.3 OpenCV环境

19.2.4 Illustration2Vec

19.3 模块实现

19.3.1 数据获取

19.3.2 数据处理

1.截取头像

2.提取标签

3.提取特征向量及降维可视化

19.3.3 模型构建

1.定义常量、参数、辅助函数

2.定义模型结构

3.优化损失函数

19.3.4 模型训练及保存

1.模型训练

2.模型保存

19.4 系统测试

19.4.1 模型导入及调用

19.4.2 生成指定标签

项目20 手势语言识别

20.1 总体设计

20.1.1 系统整体结构

20.1.2 系统流程

20.2 运行环境

20.2.1 Python环境

20.2.2 TensorFlow环境

20.2.3 OpenCV-Python环境

20.3 模块实现

20.3.1 设置直方图

20.3.2 载入手势图片

20.3.3 模型训练及保存

20.4 系统测试

20.4.1 测试准确率

20.4.2 测试效果

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