深度学习-主流框架和编程实战

本书特色

[

本书是利用实例来讲解深度学习框架以及深度学习方法的综合性著作，介绍了四大深度学习框架（TensorFlow、Caffe、Torch和MXNet），还详细介绍了调参、二次接口的编程、迁移学习的模型等内容。

]

目录

CONTENTS目　　录前言第1章　绪论 11.1　机器学习与深度学习 11.1.1　机器学习与深度学习的关系 21.1.2　传统机器学习与深度学习的对比 31.2　统计学与深度学习 51.2.1　统计学与深度学习的关系 51.2.2　基于统计的深度学习技术 61.3　本书涉及的深度学习框架 81.4　优化深度学习的方法 81.5　深度学习展望 9第2章　TensorFlow深度学习框架构建方法与图像分类的实现 122.1　TensorFlow概述 122.1.1　TensorFlow的特点 132.1.2　TensorFlow中的模型 142.2　TensorFlow框架安装 162.2.1　基于Anaconda的安装 162.2.2　测试TensorFlow 192.3　基于TensorFlow框架的图像分类实现（ResNet-34） 202.3.1　应用背景 202.3.2　ResNet 212.3.3　ResNet程序实现 242.3.4　详细代码解析 272.3.5　实验结果及分析 51第3章　Caffe深度学习框架搭建与图像语义分割的实现 563.1　Caffe概述 563.1.1　Caffe的特点 563.1.2　Caffe框架结构 573.2　Caffe框架安装与调试 593.3　基于Caffe框架的图像分割实现（FCN） 643.3.1　用Caffe构建卷积神经网络 643.3.2　FCN-8s网络简介 693.3.3　详细代码解读 853.3.4　实验结果与结论 98第4章　Torch深度学习框架搭建与目标检测的实现 1004.1　Torch概述 1004.1.1　Torch的特点 1004.1.2　Lua语言 1024.2　Torch框架安装 1044.3　基于Torch框架的目标检测实现（Faster R-CNN） 1134.3.1　Torch的类和包的基本用法 1134.3.2　用Torch构建神经网络 1164.3.3　Faster R-CNN介绍 1194.3.4　Faster R-CNN实例 1274.3.5　实验结果分析 161第5章　MXNet深度学习框架构建与自然语言处理的实现 1645.1　MXNet概述 1645.1.1　MXNet基础知识 1645.1.2　编程接口 1665.1.3　系统实现 1695.1.4　MXNet的关键特性 1715.2　MXNet框架安装 1725.3　基于MXNet框架的自然语言处理实现（LSTM） 1795.3.1　自然语言处理应用背景 1795.3.2　RNN及LSTM网络 1805.3.3　Bucketing及不同长度的序列训练 1835.3.4　详细代码实现 1855.3.5　实验过程及实验结果分析 191第6章　迁移学习 1956.1　迁移学习发展概述 1956.2　迁移学习的类型与模型 1966.2.1　冻结源模型与微调源模型 1976.2.2　神经网络迁移学习模型与分类器迁移学习模型 1976.3　迁移学习方法实例指导 1996.3.1　迁移学习应用示例 1996.3.2　实验结论 202第7章　并行计算与交叉验证 2037.1　并行计算 2037.1.1　数据并行框架 2047.1.2　模型并行框架 2057.1.3　数据并行与模型并行的混合架构 2057.2　交叉验证 2077.2.1　留出法 2077.2.2　K折交叉验证 2087.2.3　留一交叉验证 209参考文献 211

封面

书名:深度学习-主流框架和编程实战

作者:赵涓涓

页数:220

定价:¥59.0

出版社:机械工业出版社

出版日期:2018-04-01

ISBN:9787111592396

PDF电子书大小:100MB 高清扫描完整版