人工智能
类型
可以朗读
语音朗读
74千字
字数
2021-09-01
发行日期
展开全部
主编推荐语
人工智能RNN深度学习实践：模型算法设计与Python代码实现。
内容简介
本书根据当前人工智能RNN深度学习的发展成果，具体设计基于RNN的模型算法，并给出了具体实现，最新算法流程及Python代码实现。其主要内容包括：基于机器学习的说唱歌词创作机器人，基于ImageCaption的英语学习应用，基于LSTM的语音&文本&情感识别的Python的具体实现，本书图文并茂，丰富实用，深入浅出，易学易用。本书根据当前人工智能RNN深度学习的发展成果，基于RNN的模型算法，给出了具体设计和实现方法，最新算法流程及Python代码实现。
目录
- 封面页
- 书名页
- 版权页
- 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
- 1.3.2 模型设计
- 1.3.3 模型训练及测试
- 1.3.4 特征矩阵提取
- 1.3.5 推荐电影
- 1.3.6 客户端
- 1.4 系统测试
- 1.4.1 训练准确率
- 1.4.2 运行结果
- 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
- 2.3.3 模型训练及保存
- 2.3.4 模型生成
- 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
- 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
- 3.3.2 模型创建与编译
- 3.3.3 模型训练及保存
- 3.3.4 模型生成
- 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
- 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
- 4.3.2 模型构建
- 4.3.3 模型训练及保存
- 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
- 5.3.3 目标检测
- 5.3.4 目标追踪
- 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
- 6.3.2 创建模型与编译
- 6.3.3 模型训练及保存
- 6.3.4 上传结果
- 6.3.5 小程序开发
- 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
- 7.3.4 残差网络模型
- 7.3.5 模型生成
- 7.4 系统测试
- 7.4.1 训练准确率
- 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
- 8.3.2 模型构建
- 8.3.3 模型训练及保存
- 8.3.4 模型生成
- 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
- 9.3.2 视频处理
- 9.3.3 PyQt界面
- 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
- 10.3.3 模块分析
- 10.3.4 模型训练及保存
- 10.3.5 模型生成
- 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
- 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
- 12.3.2 模型搭建
- 12.3.3 模型训练及保存
- 12.3.4 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
- 13.3.3 模型训练及保存
- 13.4 系统测试
- 13.4.1 训练准确率
- 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
- 14.3.2 非实时风格转移
- 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
- 15.3.3 页面显示和视频流输入
- 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
- 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
- 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
- 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
- 18.3.2 模型构建
- 18.3.3 模型训练及保存
- 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
- 19.3.3 模型构建
- 19.3.4 模型训练及保存
- 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
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
