暖心大清仓|到手1元起，每满100减60
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
  • 合成诗经
  • 新人领礼券
  • 新用户注册领10元
中图网
>
教材
>
研究生/本科/专科教材
>
工学
深度学习算法与实践
分享

深度学习算法与实践

作者：郝晓莉，王昌利，侯亚丽，景辉
出版社：清华大学出版社出版时间：2023-11-01
开本： 其他 页数： 328
本类榜单：教材销量榜
中 图 价:¥46.0(7.8折) 定价  ¥59.0 登录后可看到会员价
加入购物车 收藏
运费6元，满39元免运费
?新疆、西藏除外
本类五星书更多>
中图价:¥46.0 加入购物车
洞明世事，从读书开始 淘书团

深度学习算法与实践 版权信息

深度学习算法与实践 本书特色

哪些人需要这本书？
——大专院校理工科本科生、研究生，可作为教材使用
——人工智能相关企业的内部培训教材
——准备应聘深度学习算法工程师的技术人员，可作为技术参考书使用
——准备转岗进入人工智能行业的技术人员，可作为自学入门书籍

深度学习算法与实践 内容简介

本书是一本深度学习从入门、算法到应用实践的书籍。全书共9章，第1章介绍深度学习基础，主要介绍基本概念和基本算法；第2章介绍深度学习的计算平台，主要介绍深度神经网络计算芯片TPU的架构原理；第3章介绍深度学习编程环境和操作基础，引导零基础读者快速入门Linux操作系统、Python编程语言、TensorFlow和PyTorch深度学习框架，为实现深度学习算法开发及应用部署奠定基础；第4～8章基于卷积神经网络，分别聚焦计算机视觉领域的几大经典任务，包括图像的分类、目标检测、语义分割、实例分割、人脸检测与识别等；第9章介绍循环神经网络，关注时序序列处理任务。本书每章讲解一系列经典神经网络的创新性思路，给出了详细的模型结构解析，并提供了具体的实践项目。从代码解析、网络训练、网络推理到模型部署，带领读者从理论一步步走向实践。 本书既可作为高等学校深度学习相关课程的教材，也可作为从事人工智能应用系统开发的科研和技术人员参考用书。

深度学习算法与实践 目录


第1章深度学习基础/1
1.1人工智能概述1
1.1.1人工智能在各领域中的应用1
1.1.2人工智能、机器学习和深度学习3
1.2深度学习的基本原理5
1.2.1神经元5
1.2.2人工神经网络8
1.2.3反向传播算法11
1.2.4神经网络的数据结构——张量18
1.3卷积神经网络18
1.3.1卷积层19
1.3.2池化层21
1.3.3归一化层21
1.3.4全连接层22
1.3.5Softmax函数22
1.3.6损失函数23
1.3.7卷积神经网络的特点24
1.3.8卷积神经网络的发展25
1.4迁移学习26
1.5模型训练超参数27
1.6深度学习在计算机视觉中的典型应用28
1.7数据集29
1.7.1数据集的划分30
1.7.2数据集的预处理30
1.7.3数据集的标注33
1.7.4常用数据集35
1.8深度学习框架47
1.9深度学习的计算特点47
第2章深度学习的计算平台/49
2.1神经网络计算加速芯片512.1.1神经网络的计算特点51
2.1.2神经网络的计算芯片52
2.2TPU架构与原理54
2.2.1谷歌TPU架构与原理56
2.2.2算能TPU架构与原理61
2.3算能TPU硬件架构及产品形态63
2.3.1算能TPU的芯片硬件架构63
2.3.2算能TPU的产品形态65
2.4算能TPU软件架构65
2.4.1实时视频流处理方案66
2.4.2深度学习软件开发工具包67
2.4.3离线模型转换68
2.4.4在线模型推理69
2.4.5自定义算子69
2.4.6模型量化加速70
2.4.7高级接口编程库70
〖1〗深度学习算法与实践目录〖3〗〖3〗第3章深度学习编程环境操作基础/72
3.1Linux入门72
3.1.1Linux系统的安装简介72
3.1.2Linux系统的常用命令73
3.1.3Linux的文本编辑器75
3.2Python入门75
3.2.1Python环境的安装和使用75
3.2.2PyCharm集成开发环境的安装和使用76
3.2.3常用Python库79
3.2.4Python虚拟环境79
3.3TensorFlow入门81
3.3.1TensorFlow的安装81
3.3.2TensorFlow的基本操作82
3.3.3使用TensorFlow实现手写数字识别85
3.4PyTorch入门87
3.4.1PyTorch的安装87
3.4.2PyTorch的基本操作88
3.4.3使用PyTorch实现手写数字识别89
3.5SE5平台开发环境92
3.5.1SE5应用系统开发的硬件环境92
3.5.2SE5应用系统开发的软件环境93
第4章图像分类/96
4.1图像分类任务介绍96
4.2典型分类网络解析97
4.2.1LeNet5手写数字识别神经网络97
4.2.2AlexNet图像分类网络99
4.2.3VGGNet图像分类网络102
4.2.4GoogLeNet图像分类网络106
4.2.5ResNet残差图像分类网络110
4.2.6DenseNet密集连接卷积网络115
4.2.7SENet压缩激励图像分类网络119
4.3实践项目一： 基于LeNet5神经网络的手写数字识别120
4.3.1实践项目内容120
4.3.2微调的LeNet5网络结构121
4.3.3TensorFlow 2.x框架下程序实现122
4.3.4LeNet5模型训练和测试过程125
4.3.5LeNet5网络模型在SE5上的部署125
4.4实践项目二： 基于ResNet神经网络的猫狗分类130
4.4.1实践项目内容130
4.4.2Dogs vs. Cats数据集简介130
4.4.3ResNet18网络结构130
4.4.4PyTorch框架下程序实现132
4.4.5ResNet18模型训练和测试过程136
4.4.6ResNet18网络模型在SE5上的部署137
第5章目标检测/142
5.1目标检测任务介绍142
5.1.1目标检测任务142
5.1.2预备知识143
5.1.3评估准则147
5.2两阶段目标检测算法150
5.2.1RCNN150
5.2.2Fast RCNN151
5.2.3Faster RCNN152
5.3单阶段目标检测算法160
5.3.1YOLOv1160
5.3.2YOLOv2165
5.3.3YOLOv3172
5.3.4YOLOv4175
5.3.5YOLOv5180
5.3.6FCOS185
5.3.7DETR188
5.4实践项目： 基于YOLOv5s的目标检测190
5.4.1实践项目内容190
5.4.2YOLOv5s网络结构190
5.4.3PyTorch框架下程序实现190
5.4.4YOLOv5s网络模型训练和测试过程196
5.4.5YOLOv5s网络模型在SE5上的部署197
第6章语义分割/200
6.1语义分割任务介绍200
6.1.1语义分割任务200
6.1.2预备知识200
6.1.3评估准则201
6.2典型语义分割网络203
6.2.1FCN203
6.2.2UNet205
6.2.3SegNet206
6.2.4PSPNet208
6.2.5ICNet210
6.2.6DeepLab系列214
6.3实践项目： 基于ICNet的语义分割217
6.3.1实践项目内容217
6.3.2数据集217
6.3.3ICNet网络结构218
6.3.4TensorFlow框架下程序实现218
6.3.5ICNet网络模型训练和测试过程226
6.3.6ICNet网络模型在SE5上的部署227
第7章实例分割/230
7.1实例分割任务介绍230
7.1.1实例分割任务230
7.1.2评估准则230
7.2典型实例分割网络231
7.2.1Mask RCNN231
7.2.2YOLACT与YOLACT 237
7.2.3SOLO和SOLOv2243
7.3实践项目： 基于Mask RCNN的实例分割251
7.3.1实践项目内容251
7.3.2Mask RCNN网络结构251
7.3.3TensorFlow框架下程序实现251
7.3.4Mask RCNN网络测试过程256
7.3.5Mask RCNN网络模型在SE5上的部署256
第8章人脸检测与识别/258
8.1人脸检测与识别任务介绍258
8.1.1人脸检测与识别及其应用258
8.1.2人脸识别系统构成258
8.1.3常用数据集介绍259
8.1.4评估准则260
8.2人脸检测网络262
8.2.1MTCNN人脸检测网络262
8.2.2RetinaFace人脸检测网络264
8.3人脸对齐268
8.4人脸特征提取网络269
8.4.1人脸特征提取网络原理269
8.4.2FaceNet272
8.4.3ArcFace/InsightFace275
8.5实践项目一： 基于PC的MTCNN ArcFace实时人脸检测和识别281
8.5.1实践项目内容281
8.5.2PyTorch框架下程序实现281
8.5.3人脸识别系统测试290
8.6实践项目二： 基于SE5的RetinaFace FaceNet实时人脸检测和识别291
8.6.1实践项目内容291
8.6.2系统方案291
8.6.3PyTorch框架下程序实现292
8.6.4人脸识别系统测试297
第9章循环神经网络/299
9.1循环神经网络原理299
9.1.1循环神经网络299
9.1.2长短期记忆网络301
9.1.3门控循环单元网络302
9.1.4双向循环神经网络303
9.2实践项目： 基于LSTM的股票预测304
9.2.1实践项目内容304
9.2.2数据集304
9.2.3股票预测方法304
9.2.4TensorFlow框架下程序实现306
9.2.5LSTM网络模型训练和测试过程311
9.2.6LSTM网络模型在SE5上的部署312
参考文献/3151.1人工智能概述1
1.1.1人工智能在各领域中的应用1
1.1.2人工智能、机器学习和深度学习3
1.2深度学习的基本原理5
1.2.1神经元5
1.2.2人工神经网络8
1.2.3反向传播算法11
1.2.4神经网络的数据结构——张量18
1.3卷积神经网络18
1.3.1卷积层19
1.3.2池化层21
1.3.3归一化层21
1.3.4全连接层22
1.3.5Softmax函数22
1.3.6损失函数23
1.3.7卷积神经网络的特点24
1.3.8卷积神经网络的发展25
1.4迁移学习26
1.5模型训练超参数27
1.6深度学习在计算机视觉中的典型应用28
1.7数据集29
1.7.1数据集的划分30
1.7.2数据集的预处理30
1.7.3数据集的标注33
1.7.4常用数据集35
1.8深度学习框架47
1.9深度学习的计算特点47
第2章深度学习的计算平台/49
2.1神经网络计算加速芯片512.1.1神经网络的计算特点51
2.1.2神经网络的计算芯片52
2.2TPU架构与原理54
2.2.1谷歌TPU架构与原理56
2.2.2算能TPU架构与原理61
2.3算能TPU硬件架构及产品形态63
2.3.1算能TPU的芯片硬件架构63
2.3.2算能TPU的产品形态65
2.4算能TPU软件架构65
2.4.1实时视频流处理方案66
2.4.2深度学习软件开发工具包67
2.4.3离线模型转换68
2.4.4在线模型推理69
2.4.5自定义算子69
2.4.6模型量化加速70
2.4.7高级接口编程库70
〖1〗深度学习算法与实践目录〖3〗〖3〗第3章深度学习编程环境操作基础/72
3.1Linux入门72
3.1.1Linux系统的安装简介72
3.1.2Linux系统的常用命令73
3.1.3Linux的文本编辑器75
3.2Python入门75
3.2.1Python环境的安装和使用75
3.2.2PyCharm集成开发环境的安装和使用76
3.2.3常用Python库79
3.2.4Python虚拟环境79
3.3TensorFlow入门81
3.3.1TensorFlow的安装81
3.3.2TensorFlow的基本操作82
3.3.3使用TensorFlow实现手写数字识别85
3.4PyTorch入门87
3.4.1PyTorch的安装87
3.4.2PyTorch的基本操作88
3.4.3使用PyTorch实现手写数字识别89
3.5SE5平台开发环境92
3.5.1SE5应用系统开发的硬件环境92
3.5.2SE5应用系统开发的软件环境93
第4章图像分类/96
4.1图像分类任务介绍96
4.2典型分类网络解析97
4.2.1LeNet5手写数字识别神经网络97
4.2.2AlexNet图像分类网络99
4.2.3VGGNet图像分类网络102
4.2.4GoogLeNet图像分类网络106
4.2.5ResNet残差图像分类网络110
4.2.6DenseNet密集连接卷积网络115
4.2.7SENet压缩激励图像分类网络118
4.3实践项目一： 基于LeNet5神经网络的手写数字识别120
4.3.1实践项目内容120
4.3.2微调的LeNet5网络结构121
4.3.3TensorFlow 2.x框架下程序实现121
4.3.4LeNet5模型训练和测试过程124
4.3.5LeNet5网络模型在SE5上的部署125
4.4实践项目二： 基于ResNet神经网络的猫狗分类129
4.4.1实践项目内容129
4.4.2Dogs vs. Cats数据集简介129
4.4.3ResNet18网络结构130
4.4.4PyTorch框架下程序实现131
4.4.5ResNet18模型训练和测试过程135
4.4.6ResNet18网络模型在SE5上的部署136
第5章目标检测/141
5.1目标检测任务介绍141
5.1.1目标检测任务141
5.1.2预备知识142
5.1.3评估准则146
5.2两阶段目标检测算法149
5.2.1RCNN149
5.2.2Fast RCNN150
5.2.3Faster RCNN151
5.3单阶段目标检测算法159
5.3.1YOLOv1159
5.3.2YOLOv2164
5.3.3YOLOv3171
5.3.4YOLOv4174
5.3.5YOLOv5179
5.3.6FCOS184
5.3.7DETR188
5.4实践项目： 基于YOLOv5s的目标检测189
5.4.1实践项目内容189
5.4.2YOLOv5s网络结构190
5.4.3PyTorch框架下程序实现191
5.4.4YOLOv5s网络模型训练和测试过程195
5.4.5YOLOv5s网络模型在SE5上的部署197
第6章语义分割/200
6.1语义分割任务介绍200
6.1.1语义分割任务200
6.1.2预备知识200
6.1.3评估准则201
6.2典型语义分割网络203
6.2.1FCN203
6.2.2UNet205
6.2.3SegNet206
6.2.4PSPNet207
6.2.5ICNet210
6.2.6DeepLab系列214
6.3实践项目： 基于ICNet的语义分割217
6.3.1实践项目内容217
6.3.2数据集217
6.3.3ICNet网络结构218
6.3.4TensorFlow框架下程序实现218
6.3.5ICNet网络模型训练和测试过程226
6.3.6ICNet网络模型在SE5上的部署227
第7章实例分割/230
7.1实例分割任务介绍230
7.1.1实例分割任务230
7.1.2评估准则230
7.2典型实例分割网络231
7.2.1Mask RCNN231
7.2.2YOLACT与YOLACT 237
7.2.3SOLO和SOLOv2243
7.3实践项目： 基于Mask RCNN的实例分割251
7.3.1实践项目内容251
7.3.2Mask RCNN网络结构251
7.3.3TensorFlow框架下程序实现251
7.3.4Mask RCNN网络测试过程256
7.3.5Mask RCNN网络模型在SE5上的部署256
第8章人脸检测与识别/258
8.1人脸检测与识别任务介绍258
8.1.1人脸检测与识别及其应用258
8.1.2人脸识别系统构成258
8.1.3常用数据集介绍259
8.1.4评估准则260
8.2人脸检测网络262
8.2.1MTCNN人脸检测网络262
8.2.2RetinaFace人脸检测网络264
8.3人脸对齐268
8.4人脸特征提取网络269
8.4.1人脸特征提取网络原理269
8.4.2FaceNet272
8.4.3ArcFace/InsightFace275
8.5实践项目一： 基于PC的MTCNN ArcFace实时人脸检测和识别281
8.5.1实践项目内容281
8.5.2PyTorch框架下程序实现281
8.5.3人脸识别系统测试290
8.6实践项目二： 基于SE5的RetinaFace FaceNet实时人脸检测和识别291
8.6.1实践项目内容291
8.6.2系统方案291
8.6.3PyTorch框架下程序实现292
8.6.4人脸识别系统测试297
第9章循环神经网络/299
9.1循环神经网络原理299
9.1.1循环神经网络299
9.1.2长短期记忆网络301
9.1.3门控循环单元网络302
9.1.4双向循环神经网络303
9.2实践项目： 基于LSTM的股票预测304
9.2.1实践项目内容304
9.2.2数据集304
9.2.3股票预测方法304
9.2.4TensorFlow框架下程序实现306
9.2.5LSTM网络模型训练和测试过程311
9.2.6LSTM网络模型在SE5上的部署312
参考文献/315
展开全部
商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服