深度学习-Caffe之经典模型详解与实战

本书特色

[

本书首先介绍了深度学习相关的理论和主流的深度学习框架，然后从Caffe 深度学习框架为切入点，介绍了Caffe 的安装、配置、编译和接口等运行环境，剖析Caffe 网络模型的构成要素和常用的层类型和Solver 方法。通过LeNet 网络模型的Mnist 手写实例介绍其样本训练和识别过程，进一步详细解读了AlexNet、VGGNet、GoogLeNet、Siamese 和SqueezeNet 网络模型，并给出了这些模型基于Caffe 的训练实战方法。然后，本书解读了利用深度学习进行目标定位的经典网络模型：FCN、R-CNN、Fast-RCNN、Faster-RCNN 和SSD，并进行目标定位Caffe 实战。本书的*后，从著名的Kaggle 网站引入了两个经典的实战项目，并进行了有针对性的原始数据分析、网络模型设计和Caffe 训练策略实践，以求带给读者从问题提出到利用Caffe 求解的完整工程经历，从而使读者能尽快掌握Caffe 框架的使用技巧和实战经验。针对Caffe 和深度学习领域的初学者，本书是一本不可多得的参考资料。本书的内容既有易懂的理论背景，又有丰富的应用实践，是深度学习初学者的指导手册，也可作为深度学习相关领域工程师和爱好者的参考用书。

]

内容简介

[

1 着重于深度学习的应用实践能力提升。
2 以Caffe 深度学习框架为切入点，剖析了Caffe 网络模型的构成。
3 深入解读了利用深度学习进行目标定位的经典网络模型。
4 以两大经典实战项目引领读者经历从问题提出到利用Caffe 求解的完整工程。

]

作者简介

[

乐毅：计算机专业硕士，现任职于某数据通信公司，高级系统工程师。负责公司深度学习技术领域的应用及相关项目，对深度学习及大数据深度挖掘具有浓厚的兴趣。擅长Caffe等深度学习框架及网络模型应用。王斌：通信与信息系统硕士，现任职于某数据通信公司，高级系统工程师。多年致力于深度学习技术的前沿研究与应用，对Caffe等深度学习框架在图像识别领域有深刻理解，承担公司多项与机器学习相关的研究工作。

]

目录

第1 章 绪论………………………………………………………………………………………………………………..11.1 引言……………………………………………………………………………………………………………….11.2 人工智能的发展历程……………………………………………………………………………………….21.3 机器学习及相关技术……………………………………………………………………………………….41.3.1 学习形式分类………………………………………………………………………………………..41.3.2 学习方法分类………………………………………………………………………………………..51.3.3 机器学习的相关技术……………………………………………………………………………..71.4 国内外研究现状………………………………………………………………………………………………81.4.1 国外研究现状………………………………………………………………………………………..81.4.2 国内研究现状………………………………………………………………………………………..9第2 章 深度学习………………………………………………………………………………………………………..112.1 神经网络模型………………………………………………………………………………………………..112.1.1 人脑视觉机理………………………………………………………………………………………112.1.2 生物神经元………………………………………………………………………………………….13第1 章 绪论………………………………………………………………………………………………………………..11.1 引言……………………………………………………………………………………………………………….11.2 人工智能的发展历程……………………………………………………………………………………….21.3 机器学习及相关技术……………………………………………………………………………………….41.3.1 学习形式分类………………………………………………………………………………………..41.3.2 学习方法分类………………………………………………………………………………………..51.3.3 机器学习的相关技术……………………………………………………………………………..71.4 国内外研究现状………………………………………………………………………………………………81.4.1 国外研究现状………………………………………………………………………………………..81.4.2 国内研究现状………………………………………………………………………………………..9第2 章 深度学习………………………………………………………………………………………………………..112.1 神经网络模型………………………………………………………………………………………………..112.1.1 人脑视觉机理………………………………………………………………………………………112.1.2 生物神经元………………………………………………………………………………………….132.1.3 人工神经网络………………………………………………………………………………………152.2 BP 神经网络………………………………………………………………………………………………….182.2.1 BP 神经元……………………………………………………………………………………………182.2.2 BP 神经网络构成…………………………………………………………………………………192.2.3 正向传播……………………………………………………………………………………………..212.2.4 反向传播……………………………………………………………………………………………..212.3 卷积神经网络………………………………………………………………………………………………..242.3.1 卷积神经网络的历史……………………………………………………………………………252.3.2 卷积神经网络的网络结构…………………………………………………………………….262.3.3 局部感知……………………………………………………………………………………………..272.3.4 参数共享……………………………………………………………………………………………..282.3.5 多卷积核……………………………………………………………………………………………..282.3.6 池化（Pooling）…………………………………………………………………………………..292.4 深度学习框架………………………………………………………………………………………………..302.4.1 Caffe ……………………………………………………………………………………………………302.4.2 Torch ……………………………………………………………………………………………………312.4.3 Keras……………………………………………………………………………………………………322.4.4 MXNet …………………………………………………………………………………………………322.4.5 TensorFlow …………………………………………………………………………………………..332.4.6 CNTK ………………………………………………………………………………………………….332.4.7 Theano …………………………………………………………………………………………………34第3 章 Caffe 简介及其安装配置…………………………………………………………………………………363.1 Caffe 是什么………………………………………………………………………………………………….363.1.1 Caffe 的特点…………………………………………………………………………………………383.1.2 Caffe 的架构…………………………………………………………………………………………383.2 Caffe 的安装环境…………………………………………………………………………………………..393.2.1 Caffe 的硬件环境………………………………………………………………………………….393.2.2 Caffe 的软件环境………………………………………………………………………………….433.2.3 Caffe 的依赖库……………………………………………………………………………………..443.2.4 Caffe 开发环境的安装…………………………………………………………………………..463.3 Caffe 接口……………………………………………………………………………………………………..523.3.1 Caffe Python 接口…………………………………………………………………………………523.3.2 Caffe MATLAB 接口…………………………………………………………………………….553.3.3 Caffe 命令行接口………………………………………………………………………………….56第4 章 Caffe 网络定义……………………………………………………………………………………………….584.1 Caffe 模型要素………………………………………………………………………………………………584.1.1 网络模型……………………………………………………………………………………………..584.1.2 参数配置……………………………………………………………………………………………..624.2 Google Protobuf 结构化数据……………………………………………………………………………634.3 Caffe 数据库………………………………………………………………………………………………….654.3.1 LevelDB……………………………………………………………………………………………….654.3.2 LMDB………………………………………………………………………………………………….664.3.3 HDF5 …………………………………………………………………………………………………..664.4 Caffe Net………………………………………………………………………………………………………..664.5 Caffe Blob………………………………………………………………………………………………………684.6 Caffe Layer …………………………………………………………………………………………………….704.6.1 Data Layers…………………………………………………………………………………………..714.6.2 Convolution Layers………………………………………………………………………………..754.6.3 Pooling Layers ……………………………………………………信息

封面

书名:深度学习-Caffe之经典模型详解与实战

作者:乐毅

页数:344

定价:¥79.0

出版社:电子工业出版社

出版日期:2016-12-01

ISBN:9787121301186

PDF电子书大小:43MB 高清扫描完整版