人工智能 类型
可以朗读 语音朗读
416千字 字数
2019-12-01 发行日期
展开全部

主编推荐语

本书解读PaddlePaddle实战项目，助力图像识别、文本翻译等应用。

内容简介

本书不仅带领读者解读一个个PaddlePaddle实战项目，因此是一本不可多得的技术内幕资料。通过本书，读者可以自己用PaddlePaddle训练自己的图像识别模型和进行目标检测，还可以进行舆论导向分析、搭建文本翻译转换引擎、完成一个风格迁移应用。读者可以在自己动手实践过程中找到学习的乐趣，体会PaddlePaddle设计的精妙之处。

目录

  • 版权信息
  • 版权
  • 内容提要
  • 前言
  • 第1章 飞桨PaddlePaddle简介与AI Studio的使用
  • 1.1 飞桨PaddlePaddle简介
  • 1.2 飞桨PaddlePaddle的工具组件
  • 1.2.1 PaddleHub——简明易用的预训练模型管理框架
  • 1.2.2 PARL——基于飞桨PaddlePaddle的深度强化学习框架
  • 1.2.3 AutoDL Design——让深度学习来设计深度学习
  • 1.2.4 VisualDL——深度学习可视化工具库
  • 1.2.5 模型转换工具X2Paddle
  • 1.3 飞桨PaddlePaddle在百度内部支持的案例
  • 1.4 飞桨PaddlePaddle与TensorFlow的对比
  • 1.5 AI Studio简介
  • 1.6 在AI Studio中创建项目
  • 1.6.1 用户界面简介
  • 1.6.2 创建并运行一个项目
  • 1.7 AI Studio单机项目概述
  • 1.7.1 页面概览
  • 1.7.2 复制项目
  • 1.7.3 VisualDL工具的使用
  • 1.8 Notebook环境使用说明
  • 1.8.1 Notebook页面概览
  • 1.8.2 操作区
  • 1.8.3 Notebook内容编辑区
  • 1.8.4 侧边栏
  • 1.8.5 工具栏
  • 1.9 AI Studio集群项目
  • 1.9.1 集群项目说明
  • 1.9.2 创建集群项目
  • 1.9.3 页面概览
  • 1.9.4 代码编辑界面
  • 1.9.5 文件管理和数据集区域
  • 1.9.6 文件预览编辑和提交任务区域
  • 1.9.7 PaddlePaddle集群训练说明
  • 1.9.8 数据集与输出文件路径说明
  • 1.9.9 提交任务
  • 1.9.10 历史任务
  • 1.9.11 预安装包说明
  • 1.10 在线部署及预测
  • 1.10.1 功能说明
  • 1.10.2 通过训练任务生成模型文件
  • 1.10.3 创建一个在线服务
  • 1.10.4 测试沙盒服务
  • 1.10.5 部署在线服务
  • 1.10.6 调用在线服务
  • 1.11 NumPy常规操作及使用
  • 第2章 PaddlePaddle Fluid的环境搭建与安装
  • 2.1 在Linux系统中安装PaddlePaddle
  • 2.1.1 租用百度BCC云服务器
  • 2.1.2 安装前的准备工作
  • 2.1.3 通过pip安装PaddlePaddle
  • 2.1.4 在Docker中安装PaddlePaddle
  • 2.2 在Windows系统中安装PaddlePaddle
  • 2.2.1 Windows GPU驱动环境安装
  • 2.2.2 下载并安装CUDA
  • 2.2.3 安装cuDNN
  • 2.2.4 安装PaddlePaddle
  • 2.3 在macOS系统中安装PaddlePaddle
  • 2.3.1 安装Python 3
  • 2.3.2 安装PaddlePaddle
  • 第3章 PaddlePaddle深度学习入门——在MNIST上进行手写数字识别
  • 3.1 引言
  • 3.2 模型概览
  • 3.2.1 Softmax回归模型
  • 3.2.2 多层感知器
  • 3.2.3 卷积神经网络
  • 3.3 数据介绍
  • 3.4 PaddlePaddle的程序配置过程
  • 3.4.1 程序说明
  • 3.4.2 配置inference_program
  • 3.4.3 配置train_program
  • 3.4.4 配置optimizer_program
  • 3.4.5 配置数据集reader
  • 3.5 构建训练过程
  • 3.5.1 事件处理程序配置
  • 3.5.2 开始训练
  • 3.6 应用模型
  • 3.6.1 生成待预测的输入数据
  • 3.6.2 Inference创建及预测
  • 3.6.3 预测结果
  • 3.7 小结
  • 第4章 PaddlePaddle设计思想与核心技术
  • 4.1 编译时与运行时的概念
  • 4.2 Fluid内部执行流程
  • 4.3 Program设计简介
  • 4.4 Block简介
  • 4.5 Block和Program的设计细节
  • 4.6 框架执行器设计思想
  • 4.6.1 代码示例
  • 4.6.2 创建框架执行器
  • 4.6.3 运行框架执行器
  • 4.7 示例
  • 4.7.1 定义Program
  • 4.7.2 创建框架执行器
  • 4.7.3 运行框架执行器
  • 4.8 LoD Tensor数据结构解读
  • 4.8.1 LoD索引
  • 4.8.2 LoD Tensor在PaddlePaddle中的表示方法
  • 4.8.3 LoD Tensor的API
  • 4.8.4 LoD Tensor的使用示例
  • 4.9 动态图机制——DyGraph
  • 4.9.1 动态图设置和基本用法
  • 4.9.2 基于DyGraph构建网络
  • 4.9.3 使用DyGraph训练模型
  • 4.9.4 模型参数的保存
  • 4.9.5 模型评估
  • 4.9.6 编写兼容的模型
  • 第5章 独孤九剑——经典图像分类网络实现
  • 5.1 图像分类网络现状
  • 5.2 VGG16图像分类任务
  • 5.2.1 定义网络结构
  • 5.2.2 定义推理程序
  • 5.2.3 定义训练程序
  • 5.2.4 实例化训练对象
  • 5.2.5 读取数据
  • 5.2.6 编写事件处理程序并启动训练
  • 5.2.7 执行模型预测
  • 5.3 模块化设计GoogleNet
  • 5.4 Alexnet模型实现
  • 5.5 Resnet模型实现
  • 5.6 MobileNet V2模型实现
  • 5.7 ShuffleNet V2模型实现
  • 第6章 “天网”系统基础——目标检测
  • 6.1 目标检测简介
  • 6.2 对R-CNN系列算法的探索历史
  • 6.2.1 R-CNN算法：目标检测开山之作
  • 6.2.2 SPP网络
  • 6.2.3 Fast R-CNN
  • 6.2.4 Faster R-CNN
  • 6.3 单步目标检测算法
  • 6.3.1 统一检测算法YOLO
  • 6.3.2 SSD基本原理
  • 6.3.3 SSD在训练时的匹配策略
  • 6.3.4 使用PaddlePaddle实现SSD网络
  • 6.4 PyramidBox
  • 6.4.1 提出PyramidBox方法的背景
  • 6.4.2 PyramidBox网络结构
  • 6.4.3 PyramidBox的创新点
  • 6.4.4 PyramidBox的PaddlePaddle官方实现
  • 第7章 “天网”系统进阶——像素级物体分割
  • 7.1 物体分割简介
  • 7.2 语义分割与实例分割的关系
  • 7.3 语义分割
  • 7.3.1 语义分割的任务描述
  • 7.3.2 全卷积网络
  • 7.3.3 ParseNet
  • 7.3.4 u-net
  • 7.3.5 v-net
  • 7.3.6 u-net变体网络
  • 7.3.7 PSPNet
  • 7.3.8 ICNet
  • 7.3.9 DeepLab v3+
  • 7.4 实例分割
  • 7.4.1 实例分割概述
  • 7.4.2 Mask R-CNN
  • 第8章 从零开始了解NLP技术——word2vec
  • 8.1 初识NLP
  • 8.2 词向量简介
  • 8.3 如何得到词向量模型
  • 8.4 词向量模型概览
  • 8.4.1 语言模型
  • 8.4.2 N-Gram模型
  • 8.4.3 CBOW模型
  • 8.4.4 Skip-Gram
  • 8.4.5 词ID
  • 8.5 通过PaddlePaddle训练CBOW模型
  • 8.5.1 CBOW模型训练过程
  • 8.5.2 数据预处理
  • 8.5.3 编程实现
  • 8.5.4 模型应用
  • 8.6 小结
  • 第9章 feed流最懂你——个性化推荐
  • 9.1 引言
  • 9.2 推荐网络模型设计
  • 9.2.1 YouTube的深度神经网络个性化推荐系统
  • 9.2.2 融合推荐模型
  • 9.3 电影推荐实验
  • 9.3.1 数据介绍与下载
  • 9.3.2 模型配置说明
  • 9.3.3 训练模型
  • 9.3.4 应用模型
  • 9.4 小结
  • 第10章 让机器读懂你的心——情感分析技术
  • 10.1 情感分析及其作用
  • 10.2 模型设计
  • 10.3 情感分析实验
  • 第11章 NLP技术深入理解——语义角色标注
  • 11.1 引言
  • 11.2 模型概览
  • 11.2.1 栈式循环神经网络
  • 11.2.2 双向循环神经单元
  • 11.2.3 条件随机场
  • 11.2.4 深度双向LSTM SRL模型
  • 11.3 使用PaddlePaddle实现SRL任务
  • 11.3.1 数据预处理
  • 11.3.2 进行PaddlePaddle实验
  • 11.4 小结
  • 第12章 NLP技术的应用——机器翻译
  • 12.1 引言
  • 12.2 效果展示
  • 12.3 模型概览
  • 12.3.1 时间步展开的双向循环神经网络
  • 12.3.2 编码器-解码器框架
  • 12.3.3 柱搜索算法
  • 12.4 机器翻译实战
  • 12.4.1 数据预处理
  • 12.4.2 模型配置
  • 12.4.3 训练模型
  • 12.4.4 应用模型
  • 第13章 PaddlePaddle移动端及嵌入式框架——Paddle-Mobile
  • 13.1 Paddle-Mobile简介
  • 13.2 Paddle-Mobile优化与适配
  • 13.2.1 包压缩
  • 13.2.2 工程结构编码前重新设计
  • 13.3 移动端主体识别和分类
  • 13.3.1 完全在云端的神经网络技术应用
  • 13.3.2 移动端业界案例
  • 13.3.3 在移动端应用深度学习技术的难点
  • 13.3.4 AR实时翻译问题的解决方案
  • 13.4 编译与开发Paddle-Mobile平台库
  • 13.5 开发一个基于移动端深度学习框架的Android APP
  • 13.6 Paddle-Mobile设计思想
  • 第14章 百度开源高速推理引擎——Anakin
  • 14.1 Anakin架构与性能
  • 14.2 Anakin的特性
  • 14.2.1 支持众多异构平台
  • 14.2.2 高性能
  • 14.2.3 汇编级的kernel优化
  • 14.2.4 Anakin值得一提的技术亮点
  • 14.3 Anakin的使用方法
  • 14.3.1 Anakin的工作原理
  • 14.3.2 Anakin v2.0 API
  • 14.4 示例程序
  • 附录A TensorFlow与PaddlePaddle Fluid接口中常用层对照表
  • 附录B Caffe与PaddlePaddle Fluid接口中常用层对照表
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。