机器学习是人工智能领域中非常重要的一个研究方向，而深度学习作为机器学习的重要组成部分，伴随着近几年数据规模的增长和计算力的提升而备受关注。深度学习框架的快速发展大大降低了算法的门门槛，越来越多的深度学习从业者能够通过这些框架实现算法并应用到生活场景中，让我们的生活更加智能和便捷。 通过阅读本书，你将学到： ·MXNet、TensorFlow、Pytorch、Caffe等深度学习框架的差异
售 价：¥
纸质售价：¥64.20购买纸书
6.5
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
前言
第1章 全面认识MXNet
1.1 人工智能、机器学习与深度学习
1.1.1 人工智能
1.1.2 机器学习
1.1.3 深度学习
1.2 深度学习框架
1.2.1 MXNet
1.2.2 PyTorch
1.2.3 Caffe/Caffe2
1.2.4 TensorFlow
1.2.5 其他
1.3 关于MXNet
1.3.1 MXNet的发展历程
1.3.2 MXNet的优势
1.4 MXNet开发需要具备的知识
1.4.1 接口语言
1.4.2 NumPy
1.4.3 神经网络
1.5 本章小结
第2章 搭建开发环境
2.1 环境配置
2.2 使用Docker安装MXNet
2.2.1 准备部分
2.2.2 使用仓库安装Docker
2.2.3 基于安装包安装Docker
2.2.4 安装nvidia-docker
2.2.5 通过Docker使用MXNet
2.3 本地pip安装MXNet
2.4 本章小结
第3章 MXNet基础
3.1 NDArray
3.2 Symbol
3.3 Module
3.4 本章小结
第4章 MNIST手写数字体分类
4.1 训练代码初探
4.2 训练代码详细解读
4.2.1 训练参数配置
4.2.2 数据读取
4.2.3 网络结构搭建
4.2.4 模型训练
4.3 测试代码初探
4.4 测试代码详细解读
4.4.1 模型导入
4.4.2 数据读取
4.4.3 预测输出
4.5 本章小结
第5章 数据读取及增强
5.1 直接读取原图像数据
5.1.1 优点及缺点
5.1.2 使用方法
5.2 基于RecordIO文件读取数据
5.2.1 什么是RecordIO文件
5.2.2 优点及缺点
5.2.3 使用方法
5.3 数据增强
5.3.1 resize
5.3.2 crop
5.3.3 镜像
5.3.4 亮度
5.3.5 对比度
5.3.6 饱和度
5.4 本章小结
第6章 网络结构搭建
6.1 网络层
6.1.1 卷积层
6.1.2 BN层
6.1.3 激活层
6.1.4 池化层
6.1.5 全连接层
6.1.6 损失函数层
6.1.7 通道合并层
6.1.8 逐点相加层
6.2 图像分类网络结构
6.2.1 AlexNet
6.2.2 VGG
6.2.3 GoogleNet
6.2.4 ResNet
6.2.5 ResNeXt
6.2.6 DenseNet
6.2.7 SENet
6.2.8 MobileNet
6.2.9 ShuffleNet
6.3 本章小结
第7章 模型训练配置
7.1 问题定义
7.2 参数及训练配置
7.2.1 参数初始化
7.2.2 优化函数设置
7.2.3 保存模型
7.2.4 训练日志的保存
7.2.5 选择或定义评价指标
7.2.6 多GPU训练
7.3 迁移学习
7.4 断点训练
7.5 本章小结
第8章 图像分类
8.1 图像分类基础知识
8.1.1 评价指标
8.1.2 损失函数
8.2 猫狗分类实战
8.2.1 数据准备
8.2.2 训练参数及配置
8.2.3 数据读取
8.2.4 网络结构搭建
8.2.5 训练模型
8.2.6 测试模型
8.3 本章小结
第9章 目标检测
9.1 目标检测基础知识
9.1.1 数据集
9.1.2 SSD算法简介
9.1.3 anchor
9.1.4 IoU
9.1.5 模型训练目标
9.1.6 NMS
9.1.7 评价指标mAP
9.2 通用目标检测
9.2.1 数据准备
9.2.2 训练参数及配置
9.2.3 网络结构搭建
9.2.4 数据读取
9.2.5 定义训练评价指标
9.2.6 训练模型
9.2.7 测试模型
9.4 本章小结
第10章 图像分割
10.1 图像分割
10.1.1 数据集
10.1.2 评价指标
10.1.3 语义分割算法
10.2 语义分割实战
10.2.1 数据准备
10.2.2 训练参数及配置
10.2.3 数据读取
10.2.4 网络结构搭建
10.2.5 定义评价指标
10.2.6 训练模型
10.2.7 测试模型效果
10.3 本章小结
第11章 Gluon
11.1 Gluon基础
11.1.1 data模块
11.1.2 nn模块
11.1.3 model zoo模块
11.2 CIFAR10数据集分类
11.2.1 基于CPU的训练代码
11.2.2 基于GPU的训练代码
11.2.3 测试代码
11.3 本章小结
第12章 GluonCV
12.1 GluonCV基础
12.1.1 data模块
12.1.2 model zoo模块
12.1.3 utils模块
12.2 解读ResNet复现代码
12.2.1 导入模块
12.2.2 命令行参数设置
12.2.3 日志信息设置
12.2.4 训练参数配置
12.2.5 模型导入
12.2.6 数据读取
12.2.7 定义评价指标
12.2.8 模型训练
12.3 本章小结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
