多种网盘链接检测插件 购买前，请先检测网盘链接是否有效
《深度学习：主流框架和编程实战》_1
《深度学习：主流框架和编程实战》_2
《深度学习：主流框架和编程实战》_3
内容简介：
非卖品!!严禁(售卖和上传互联网平台)
仅供对书籍质量进行鉴定甄别!为是否购买正版实体书提供依据!!
内容简介
本书对深度学习四大框架进行了详细介绍,主要
适用于对深度学习感兴趣的读者,包括高校的师生
以及工业界的专业人员。
全书内容可分为绪论、四大框架、迁移学习,以
及并行计算与交叉验证
第1章从深度学习与机器学习的关系、深度学习
与统计学的关系、深度学习框架、深度学习中涉及
的优化方法以及对深度学习展望五个方面出发,从
理论上对深度学习进行全面深刻的剖析,旨在为接
下的章节内客提供理论铺垫与指导
第2章详细介绍 TensorFlov,主要包括
TensorFlow的运作原理、模型构建和框架安装。在
介绍完 TensorFlow之后,又介绍了该框架下的具体
网络的实现以及详细代码
第3章将从理论与实战两方面出发讨论 Caffe
深度学习网络框架的发展、结构以及具体的搭建过
程,最后以在Cafe度学习框架下构建全卷积神经
网络(FCN),并用该网络进行图像语义分割为实
战示例,对该实验过程进行详细描述与分析并给出
具体的代码
第4草主要分三部分介绍 Torch深度学习框架
第一部分首先介绍 Torch深度学习框架的基础知识,
然后介绍了 Torch深度学习框架中使用的主要语言
ua;第二部分介绍Toch框架的安装过程;第三部
分以一个具体的目标检.测实例为出发点,首先介绍
Torch的类和包的用法,接着介绍构建神经网络的过
程,最后介绍 Faster R-CNN的方法和实例
第5章对 MXNet框架进行详细介绍,包括
MXNe的基本概念、特点、安装过程等,最后用自
然语言处理的实例来进一步展示MXNe在深度学习
方面的应用
第6章介绍迁移学习的发展、类型与模型,
迁移学习实例。
第7章将在深度学习的背景下分别对并行计算和
交叉验证这两种方法进行详细介绍。
非卖品!!严禁(售卖和上传互联网平台)
仅供对书籍质量进行鉴定甄别!为是否购买正版实体书提供依据!
■■■智能系统与技术丛书
Deep Learning in Action
深度学习
主流框架和编程实战
赵涓涓强彦主编
Q想玉出出
非卖品!!严禁(售卖和上传互联网平台)
仅供对书籍质量进行鉴定甄别!为是否购买正版实体书提供依据!!
图书在版编目(CIP)数据
深度学习:主流框架和编程实战/赵涓酒,强彦主编,一北京:机械工业出版社,2018
智能系统与技术丛书
ISBN978-7-111-59239-6
②强…Ⅲ学习系统
中guo版本图书馆CIP数据核字(2018)第036265号
深度学习:主流框架和编程实战
出版发行:机械工业出版社《北京市西城区百万庄大街22号邮政编码:10007
责任编辑:余洁
责任校对 i秋荣
印刷:北京市荣盛彩色印刷有限公司
版次:2018年4月第1版第1次印刷
开本:186mmx240mm1/16
印张:13.75
书号:1SBN978-7-111-59239-6
定价:59.00元
凡购本书,如有缺页、倒页、脱页,由本社发行调换
客服热线 010)8837942688361066
投稿热线010)88379604
购书热线010)683262948837964968995259读者信箱:hzit@ hzbook com
板权所有·侵权必究
本书法律顾问:北京大成律师事务所Han光
非卖品!!严禁(售卖和上传互联网平台)
仅供对书籍质量进行鉴定甄别!为是否购买正版实体书提供依据!!
PREFACE
前言
自20世纪80年代以来,机器学习已经在算法、理论和应用等方面取得了巨大成功
广泛应用于产业界与学术界。简单来说,机器学习就是通过算法使得机器能从大量历史数
据中学习规律,从而对新的样本完成智能识别或对未来做预测。深度学习是一种机器学习
方法,在一些最新的研究领域和新的应用背景下,可用数据量的激增、计算能力的增强以
及计算成本的降低为深度学习的快速发展铺平了道路,同时也为深度学习在各大领域的应
用提供了支撑。自 AlphaGo被提出并成功击败职业围棋手后,“深度学习”这一概念快速
进入人们的视野并在业界引起了轰动,其因强大的特征提取能力以及灵活性在guo内外各大
企业中掀起一阵狂潮,在语音识别、图像识别和图像处理领域取得的成果尤为突出
本书是以实践案例为主的深度学习框架结合编程实战的综合性著作,将带领读者逐
步掌握深度学习需要的数据处理、调整参数、运行实例和二次编码,不仅帮助读者理解
理论知识,而且能够使读者熟练掌握各种深度学习框架下的编程控制。本书配有大量的
实践案例,既便于课堂教学,又便于学生自学。此外本书还配有同步PPT课件和程序源
码,可供教师进行实验课程辅导。
本书介绍了四种深度学习框架( TensorFlow、 Caffe、 Torch、 MXNet)的运行原理
配合实例介绍了框架的详细安装、程序设计、调参和二次接口的详细编程过程,引
者完整搭建深度学习框架,相信本书能够从实战的角度帮助读者快速掌握和提高深度学
习编程的技能
全书内容可分为绪论、四大框架、迁移学习和并行计算/交叉验证四大部分,共7章。
第1章讨论深度学习与机器学习的关系、深度学习与统计学的关系、深度学习框架、
深度学习中涉及的优化方法以及对深度学习的展望五个方面的内容,从理论上对深度学
非卖品!!严禁(售卖和上传互联网平台)
仅供对书籍质量进行鉴定甄别!为是否购买正版实体书提供依据!!
习进行全面深刻的剖析,旨在为后续学习提供理论铺垫与指导。
第2章对 Tensor Flow深度学习框架进行详细介绍,主要包括 Tensor Flow运作原理
模型构建、框架安装,并进一步介绍了 Tensor Flow框架下具体网络的图像分类编程实现
以及详细代码的解读。
第3章从理论与实战两方面对Cae深度学习框架的发展、结构以及具体的搭建过程进
行详细介绍,并在Cafe深度学习框架下构建全卷积神经网络( Fully Convolutional Network
FCN),用该网络进行图像语义分割的实战编程,对该案例程序代码进行详细解读。
第4章介绍 Torch深度学习框架的基础知识,同时介绍 Torch深度学习框架中使用的
Lua语言;按照 Torch框架的安装过程,以一个具体的目标检.测实例为出发点,详细介绍
Torch的类和包的用法以及构建神经网络的全过程,最后介绍 Faster R-CNN的方法和实例
第:M分,包折的基本要金相点从的
装过程等,利用自然语言处理的实例来进一步展示 MXNet在深度学习方面的应用实战。
第6章介绍迁移学习发展、迁移学习的类型与模型,并以实际案例对迁移学习的过
进行详细介绍与分析。
第7章在深度学习的背景下分别对并行计算和交叉验证这两种方法进行详细介绍
,本书既可作为大学本科、研究生相关专业教材,也适用于各种人工智能、机器学习
培训与认证体系,同时可供广大深度学习开发人员参考。
本书由多人合作完成,其中,第1章由太原理工大学强彦编写,第2章由太原理工
大学赵涓涓编写,第3章由太原理工大学王华编写,第4章由太原理工大学Xiao小娇编写
第5章由晋中学院董云云编写,第6章由太原理工大学MA瑞青编写,第7章由大同大学
Fu文博编写,全书由强彦审阅
本书在撰写过程中得到了赵鹏飞、罗嘉滢、Xiao宁、高慧明、吴保荣等项目组成员和
业内专家的大力支持和协助,在此一并表示衷心的感谢!
由于作者水平有限,不当之处在所难免,恳请读者及同仁赐教指正。
|
|
