扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
深度学习 从零基础快速入门到项目实践 版权信息
- ISBN：9787302668602
- 条形码：9787302668602 ; 978-7-302-66860-2
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
深度学习 从零基础快速入门到项目实践 本书特色
本书是一本深入浅出的深度学习入门指南，旨在帮助读者快速入门深度学习。本书从Python的基础开始，逐步引导读者步入机器学习和深度学习的世界。为了确保每个知识点都能被充分理解和掌握，本书提供了详细的示例代码供读者调试运行，以期更好地理解算法，同时也提供配套PPT和源码下载供读者参考，通过阅读调试这些代码可以更好地理解算法原理，并加深对知识的理解。
深度学习 从零基础快速入门到项目实践 内容简介
本书从Python基础入手，循序渐进地讲到机器学习、深度学习等领域的算法原理和代码实现，在学习算法理论的同时也强调了代码工程能力的逐步提高。
本书共6个章，第1章从零基础介绍Python基础语法、Python数据处理库NumPy、Pandas、Matplotlib、OpenCV的使用；第2章主要介绍机器学习算法的原理并配有代码实例，方便在理解原理的同时也能写出代码；第3章主要介绍深度学习框架TensorFlow、Keras、PyTorch的API和网络模型的搭建方法，力保读者能够掌握主流深度学习框架的使用；第4章主要介绍CNN卷积神经网络各种卷积的特性，并同时代码实战了多个经典分类网络；第5章介绍目标检测领域中多个经典算法的原理，并配套展现了代码调试的过程，将算法原理与代码进行了结合，方便更深入地理解算法原理；第6章分享深度学习项目的分析和实现过程。
本书精心设计的算法原理讲解、代码实现，不仅适合对深度学习感兴趣的初学者，同时对高校学生、教师、相关技术人员、研究人员及从事深度学习工程师都有参考价值。
深度学习 从零基础快速入门到项目实践 目录
教学课件（PPT）
本书源码
第1章Python编程基础
1.1环境搭建
1.2基础数据类型
1.2.1数值型
1.2.2字符串
1.2.3元组
1.2.4列表
1.2.5字典
1.2.6集合
1.2.7数据类型的转换
1.3条件语句
1.4循环语句
1.5函数
1.6类
1.7文件处理
1.8异常处理
1.9模块与包
1.10包的管理
1.11NumPy简介
1.11.1NDArray的创建
1.11.2NDArray索引与切片
1.11.3NDArray常用运算函数
1.11.4NDArray广播机制
1.12Pandas简介
1.12.1Pandas对象的创建
1.12.2Pandas的索引与切片
1.12.3Pandas常用统计函数
1.12.4Pandas文件操作
1.13Matplotlib简介
1.13.1Matplotlib基本使用流程
1.13.2Matplotlib绘直方图、饼图等
1.13.3Matplotlib绘三维图像
1.14OpenCV简介
1.14.1图片的读取和存储
1.14.2画矩形、圆形等
1.14.3在图中增加文字
1.14.4读取视频或摄像头中的图像
第2章机器学习基础
2.1HelloWorld之KNN算法
2.1.1KNN算法原理
2.1.2KNN算法代码实现
2.2梯度下降
2.2.1什么是梯度下降
2.2.2梯度下降的代码实现
2.2.3SGD、BGD和MBGD
2.2.4Momentum优化算法
2.2.5NAG优化算法
2.2.6AdaGrad优化算法
2.2.7RMSProp优化算法
2.2.8AdaDelta优化算法
2.2.9Adam优化算法
2.2.10学习率的衰减
2.3线性回归
2.3.1梯度下降求解线性回归
2.3.2梯度下降求解多元线性回归
2.4逻辑回归
2.4.1*大似然估计
2.4.2梯度下降求解逻辑回归
2.5聚类算法
2.6神经网络
2.6.1什么是神经网络
2.6.2反向传播算法
2.6.3Softmax反向传播
2.7欠拟合与过拟合
2.8正则化
2.9梯度消失与梯度爆炸
第3章深度学习框架
3.1基本概念
3.2环境搭建
3.3TensorFlow基础函数
3.3.1TensorFlow初始类型
3.3.2TensorFlow指定设备
3.3.3TensorFlow数学运算
3.3.4TensorFlow维度变化
3.3.5TensorFlow切片取值
3.3.6TensorFlow中gather取值
3.3.7TensorFlow中布尔取值
3.3.8TensorFlow张量合并
3.3.9TensorFlow网格坐标
3.3.10TensorFlow自动求梯度
3.4TensorFlow中的Keras模型搭建
3.4.1tf.keras简介
3.4.2基于tf.keras.Sequential模型搭建
3.4.3继承tf.keras.Model类模型搭建
3.4.4函数式模型搭建
3.5TensorFlow中模型的训练方法
3.5.1使用model.fit训练模型
3.5.2使用model.train_on_batch训练模型
3.5.3自定义模型训练
3.6TensorFlow中Metrics评价指标
3.6.1准确率
3.6.2精确率
3.6.3召回率
3.6.4PR曲线
3.6.5F1Score
3.6.6ROC曲线
3.6.7AUC曲线
3.6.8混淆矩阵
3.7TensorFlow中的推理预测
3.8PyTorch搭建神经网络
3.8.1PyTorch中将数据转换为张量
3.8.2PyTorch指定设备
3.8.3PyTorch数学运算
3.8.4PyTorch维度变化
3.8.5PyTorch切片取值
3.8.6PyTorch中gather取值
3.8.7PyTorch中布尔取值
3.8.8PyTorch张量合并
3.8.9PyTorch模型搭建
3.8.10PyTorch模型自定义训练
3.8.11PyTorch调用Keras训练
3.8.12PyTorch调用TorchMetrics评价指标
3.8.13PyTorch中推理预测
第4章卷积神经网络
4.1卷积
4.1.1为什么用卷积
4.1.2单通道卷积计算
4.1.3多通道卷积计算
4.1.4卷积padding和valid
4.1.5感受野
4.1.6卷积程序计算过程
4.2池化
4.3卷积神经网络的组成要素
4.4常见卷积分类
4.4.1分组卷积
4.4.2逐点卷积
4.4.3深度可分离卷积
4.4.4空间可分离卷积
4.4.5空洞卷积
4.4.6转置卷积
4.4.7可变形卷积
4.5卷积神经网络LeNet5
4.5.1模型介绍
4.5.2代码实战
4.6深度卷积神经网络AlexNet
4.6.1模型介绍
4.6.2代码实战
4.7使用重复元素的网络VGG
4.7.1模型介绍
4.7.2代码实战
4.8合并连接网络GoogLeNet
4.8.1模型介绍
4.8.2代码实战
4.9残差网络ResNet
4.9.1残差块
4.9.2归一化
4.9.3模型介绍
4.9.4代码实战
4.10轻量级网络MobiLeNet
4.10.1模型介绍
4.10.2注意力机制
4.10.3代码实战
4.11轻量级网络ShuffLeNet
4.11.1模型介绍
4.11.2代码实战
4.12重参数网络RepVGGNet
4.12.1模型介绍
4.12.2代码实战
第5章目标检测
5.1标签处理及代码
5.2开山之作RCNN
5.2.1模型介绍
5.2.2代码实战选择区域搜索
5.2.3代码实战正负样本选择
5.2.4代码实战特征提取
5.2.5代码实战SVM分类训练
5.2.6代码实战边界框回归训练
5.2.7代码实战预测推理
5.3两阶段网络Faster RCNN
5.3.1模型介绍
5.3.2代码实战RPN、ROI模型搭建
5.3.3代码实战RPN损失函数及训练
5.3.4代码实战ROI损失函数及训练
5.3.5代码实战预测推理
5.4单阶段多尺度检测网络SSD
5.4.1模型介绍
5.4.2代码实战模型搭建
5.4.3代码实战建议框的生成
5.4.4代码实战损失函数的构建及训练
5.4.5代码实战预测推理
5.5单阶段速度快的检测网络YOLOv1
5.5.1模型介绍
5.5.2代码实战模型搭建
5.5.3无建议框时标注框编码
5.5.4代码实现损失函数的构建及训练
5.5.5代码实战预测推理
5.6单阶段速度快的检测网络YOLOv2
5.6.1模型介绍
5.6.2代码实战模型搭建
5.6.3代码实战聚类得到建议框宽和高
5.6.4代码实战建议框的生成
5.6.5代码实现损失函数的构建及训练
5.6.6代码实战预测推理
5.7单阶段速度快多检测头网络YOLOv3
5.7.1模型介绍
5.7.2代码实战模型搭建
5.7.3代码实战建议框的生成
5.7.4代码实现损失函数的构建及训练
5.7.5代码实战预测推理
5.8单阶段速度快多检测头网络YOLOv4
5.8.1模型介绍
5.8.2代码实战模型搭建
5.8.3代码实战建议框的生成
5.8.4代码实现损失函数的构建及训练
5.8.5代码实战预测推理
5.9单阶段速度快多检测头网络YOLOv5
5.9.1模型介绍
5.9.2代码实战模型搭建
5.9.3代码实战建议框的生成
5.9.4代码实现损失函数的构建及训练
5.9.5代码实战预测推理
5.10单阶段速度快多检测头网络YOLOv7
5.10.1模型介绍
5.10.2代码实战模型搭建
5.10.3代码实战建议框的生成
5.10.4代码实现损失函数的构建及训练
5.10.5代码实战预测推理
5.11数据增强
5.11.1数据增强的作用
5.11.2代码实现CutOut数据增强
5.11.3代码实现MixUp数据增强
5.11.4代码实现随机复制Label数据增强
5.11.5代码实现Mosic数据增强
第6章项目实战
6.1计算机视觉项目的工作流程
6.2条形码项目实战
6.2.1项目背景分析
6.2.2整体技术方案
6.2.3数据分布分析
6.2.4参数设置
6.2.5训练结果分析
6.2.6OpenCV DNN实现推理
参考文献
展开全部
深度学习 从零基础快速入门到项目实践 作者简介
文青山，项目经理，从事IoT、人工智能等领域的质量管理和研发工作十余年，拥有丰富的研发及团队管理经验，曾主导过CMMI3及ISO 9001质量体系认证，曾供职比亚迪、国泰安、随手科技等公司，在深度学习工程实战、软件质量管理、软件研发管理等领域拥有丰富的经验。
书友推荐
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
