深度學習之PyTorch實戰(zhàn)計算機視覺

定　價：￥79.00

作　者：	唐進民著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121341441	出版時間：	2018-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	284	字數(shù)：

內(nèi)容簡介

　　計算機視覺、自然語言處理和語音識別是目前深度學習領(lǐng)域很熱門的三大應(yīng)用方向，《深度學習之PyTorch實戰(zhàn)計算機視覺》旨在幫助零基礎(chǔ)或基礎(chǔ)較為薄弱的讀者入門深度學習，達到能夠獨立使用深度學習知識處理計算機視覺問題的水平。通過閱讀本書，讀者將學到人工智能的基礎(chǔ)概念及Python 編程技能，掌握PyTorch 的使用方法，學到深度學習相關(guān)的理論知識，比如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自動編碼器，等等。在掌握深度學習理論和編程技能之后，讀者還會學到如何基于PyTorch 深度學習框架實戰(zhàn)計算機視覺?！渡疃葘W習之PyTorch實戰(zhàn)計算機視覺》中的大量實例可讓讀者在循序漸進地學習的同時，不斷地獲得成就感。《深度學習之PyTorch實戰(zhàn)計算機視覺》面向?qū)ι疃葘W習技術(shù)感興趣、但是相關(guān)基礎(chǔ)知識較為薄弱或者零基礎(chǔ)的讀者。

作者簡介

　　唐進民，深入理解深度學習與計算機視覺知識體系，有扎實的Python、PyTorch和數(shù)學功底，長期活躍于GitHub、知乎等平臺，并分享與深度學習相關(guān)的文章，具有一定的閱讀量和人氣。此前在某AI在線教育平臺兼職機器學習入門Mentor，輔導新學員入門機器學習和深度學習。

圖書目錄

第1章淺談人工智能、神經(jīng)網(wǎng)絡(luò)和計算機視覺 1
1.1 人工還是智能 1
1.2 人工智能的三起兩落 2
1.2.1 兩起兩落 2
1.2.2 卷土重來 3
1.3 神經(jīng)網(wǎng)絡(luò)簡史 5
1.3.1 生物神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò) 5
1.3.2 M-P模型 6
1.3.3 感知機的誕生 9
1.3.4 你好，深度學習 10
1.4 計算機視覺 11
1.5 深度學習+ 12
1.5.1 圖片分類 12
1.5.2 圖像的目標識別和語義分割 13
1.5.3 自動駕駛 13
1.5.4 圖像風格遷移 14

第2章相關(guān)的數(shù)學知識 15
2.1 矩陣運算入門 15
2.1.1 標量、向量、矩陣和張量 15
2.1.2 矩陣的轉(zhuǎn)置 17
2.1.3 矩陣的基本運算 18
2.2 導數(shù)求解 22
2.2.1 一階導數(shù)的幾何意義 23
2.2.2 初等函數(shù)的求導公式 24
2.2.3 初等函數(shù)的和、差、積、商求導 26
2.2.4 復合函數(shù)的鏈式法則 27

第3章深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 29
3.1 監(jiān)督學習和無監(jiān)督學習 29
3.1.1 監(jiān)督學習 30
3.1.2 無監(jiān)督學習 32
3.1.3 小結(jié) 33
3.2 欠擬合和過擬合 34
3.2.1 欠擬合 34
3.2.2 過擬合 35
3.3 后向傳播 36
3.4 損失和優(yōu)化 38
3.4.1 損失函數(shù) 38
3.4.2 優(yōu)化函數(shù) 39
3.5 激活函數(shù) 42
3.5.1 Sigmoid 44
3.5.2 tanh 45
3.5.3 ReLU 46
3.6 本地深度學習工作站 47
3.6.1 GPU和CPU 47
3.6.2 配置建議 49

第4章卷積神經(jīng)網(wǎng)絡(luò) 51
4.1 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 51
4.1.1 卷積層 51
4.1.2 池化層 54
4.1.3 全連接層 56
4.2 LeNet模型 57
4.3 AlexNet模型 59
4.4 VGGNet模型 61
4.5 GoogleNet 65
4.6 ResNet 69

第5章 Python基礎(chǔ) 72
5.1 Python簡介 72
5.2 Jupyter Notebook 73
5.2.1 Anaconda的安裝與使用 73
5.2.2 環(huán)境管理 76
5.2.3 環(huán)境包管理 77
5.2.4 Jupyter Notebook的安裝 79
5.2.5 Jupyter Notebook的使用 80
5.2.6 Jupyter Notebook常用的快捷鍵 86
5.3 Python入門 88
5.3.1 Python的基本語法 88
5.3.2 Python變量 92
5.3.3 常用的數(shù)據(jù)類型 94
5.3.4 Python運算 99
5.3.5 Python條件判斷語句 107
5.3.6 Python循環(huán)語句 109
5.3.7 Python中的函數(shù) 113
5.3.8 Python中的類 116
5.4 Python中的NumPy 119
5.4.1 NumPy的安裝 119
5.4.2 多維數(shù)組 119
5.4.3 多維數(shù)組的基本操作 125
5.5 Python中的Matplotlib 133
5.5.1 Matplotlib的安裝 133
5.5.2 創(chuàng)建圖 133

第6章 PyTorch基礎(chǔ) 142
6.1 PyTorch中的Tensor 142
6.1.1 Tensor的數(shù)據(jù)類型 143
6.1.2 Tensor的運算 146
6.1.3 搭建一個簡易神經(jīng)網(wǎng)絡(luò) 153
6.2 自動梯度 156
6.2.1 torch.autograd和Variable 156
6.2.2 自定義傳播函數(shù) 159
6.3 模型搭建和參數(shù)優(yōu)化 162
6.3.1 PyTorch之torch.nn 162
6.3.2 PyTorch之torch.optim 167
6.4 實戰(zhàn)手寫數(shù)字識別 169
6.4.1 torch和torchvision 170
6.4.2 PyTorch之torch.transforms 171
6.4.3 數(shù)據(jù)預(yù)覽和數(shù)據(jù)裝載 173
6.4.4 模型搭建和參數(shù)優(yōu)化 174

第7章遷移學習 180
7.1 遷移學習入門 180
7.2 數(shù)據(jù)集處理 181
7.2.1 驗證數(shù)據(jù)集和測試數(shù)據(jù)集 182
7.2.2 數(shù)據(jù)預(yù)覽 182
7.3 模型搭建和參數(shù)優(yōu)化 185
7.3.1 自定義VGGNet 185
7.3.2 遷移VGG16 196
7.3.3 遷移ResNet50 203
7.4 小結(jié) 219

第8章圖像風格遷移實戰(zhàn) 220
8.1 風格遷移入門 220
8.2 PyTorch圖像風格遷移實戰(zhàn) 222
8.2.1 圖像的內(nèi)容損失 222
8.2.2 圖像的風格損失 223
8.2.3 模型搭建和參數(shù)優(yōu)化 224
8.2.4 訓練新定義的卷積神經(jīng)網(wǎng)絡(luò) 226
8.3 小結(jié) 232

第9章多模型融合 233
9.1 多模型融合入門 233
9.1.1 結(jié)果多數(shù)表決 234
9.1.2 結(jié)果直接平均 236
9.1.3 結(jié)果加權(quán)平均 237
9.2 PyTorch之多模型融合實戰(zhàn) 239
9.3 小結(jié) 246

第10章循環(huán)神經(jīng)網(wǎng)絡(luò) 247
10.1 循環(huán)神經(jīng)網(wǎng)絡(luò)入門 247
10.2 PyTorch之循環(huán)神經(jīng)網(wǎng)絡(luò)實戰(zhàn) 249
10.3 小結(jié) 257

第11章自動編碼器 258
11.1 自動編碼器入門 258
11.2 PyTorch之自動編碼實戰(zhàn) 259
11.2.1 通過線性變換實現(xiàn)自動編碼器模型 260
11.2.2 通過卷積變換實現(xiàn)自動編碼器模型 267
11.3 小結(jié) 273