人工智能 类型
可以朗读 语音朗读
180千字 字数
2019-05-01 发行日期
展开全部

主编推荐语

本书是从一名算法工程师的角度出发介绍算法实现，整体上偏基础和细节，能够帮助入门者少走弯路。

内容简介

随着这几年深度学习的快速发展，众多深度学习框架对各类接口的封装都很完善，使用起来非常方便，但是部分深度学习入门者仅仅停留在跑通demo 却不理解细节内容的层面，这也常常被人调侃有些浮躁，通过本书，笔者希望读者不仅能够灵活调用这些接口实现算法，而且能够理解这些接口的内在含义，不断夯实自己的算法基础。

目录

  • 版权信息
  • 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
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。