当前位置:首页 > 人工智能 >
《深度学习:原理与应用实践》电子书封面

深度学习:原理与应用实践

  • 发布时间:2020年06月09日 09:43:05
  • 作者:张重生
  • 大小:40.9 MB
  • 类别:深度学习电子书
  • 格式:PDF
  • 版本:高清版
  • 评分:9.8

    深度学习:原理与应用实践 PDF 高清版

      给大家带来的一篇关于深度学习相关的电子书资源,介绍了关于深度学习、深度学习原理、应用实践方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小40.9 MB,张重生编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:9.2。

      内容介绍

      《深度学习:原理与应用实践》全面、系统地介绍深度学习相关的技术,包括人工神经网络,卷积神经网络,深度学习平台及源代码分析,深度学习入门与进阶,深度学习高级实践,所有章节均附有源程序,所有实验读者均可重现,具有高度的可操作性和实用性。通过学习本书,研究人员、深度学习爱好者,能够在3 个月内,系统掌握深度学习相关的理论和技术。

      目录

      • 深度学习基础篇
      • 第1 章 绪论 2
      • 1.1 引言 2
      • 1.1.1 Google 的深度学习成果 2
      • 1.1.2 Microsoft 的深度学习成果 3
      • 1.1.3 国内公司的深度学习成果 3
      • 1.2 深度学习技术的发展历程 4
      • 1.3 深度学习的应用领域 6
      • 1.3.1 图像识别领域 6
      • 1.3.2 语音识别领域 6
      • 1.3.3 自然语言理解领域 7
      • 1.4 如何开展深度学习的研究和应用开发 7
      • 本章参考文献 11
      • 第2 章 国内外深度学习技术研发现状及其产业化趋势 13
      • 2.1 Google 在深度学习领域的研发现状 13
      • 2.1.1 深度学习在Google 的应用 13
      • 2.1.2 Google 的TensorFlow 深度学习平台 14
      • 2.1.3 Google 的深度学习芯片TPU 15
      • 2.2 Facebook 在深度学习领域的研发现状 15
      • 2.2.1 Torchnet 15
      • 2.2.2 DeepText 16
      • 2.3 百度在深度学习领域的研发现状 17
      • 2.3.1 光学字符识别 17
      • 2.3.2 商品图像搜索 17
      • 2.3.3 在线广告 18
      • 2.3.4 以图搜图 18
      • 2.3.5 语音识别 18
      • 2.3.6 百度开源深度学习平台MXNet 及其改进的深度语音识别系统Warp-CTC 19
      • 2.4 阿里巴巴在深度学习领域的研发现状 19
      • 2.4.1 拍立淘 19
      • 2.4.2 阿里小蜜――智能客服Messenger 20
      • 2.5 京东在深度学习领域的研发现状 20
      • 2.6 腾讯在深度学习领域的研发现状 21
      • 2.7 科创型公司(基于深度学习的人脸识别系统) 22
      • 2.8 深度学习的硬件支撑――NVIDIA GPU 23
      • 本章参考文献 24
      • 深度学习理论篇
      • 第3 章 神经网络 30
      • 3.1 神经元的概念 30
      • 3.2 神经网络 31
      • 3.2.1 后向传播算法 32
      • 3.2.2 后向传播算法推导 33
      • 3.3 神经网络算法示例 36
      • 本章参考文献 38
      • 第4 章 卷积神经网络 39
      • 4.1 卷积神经网络特性 39
      • 4.1.1 局部连接 40
      • 4.1.2 权值共享 41
      • 4.1.3 空间相关下采样 42
      • 4.2 卷积神经网络操作 42
      • 4.2.1 卷积操作 42
      • 4.2.2 下采样操作 44
      • 4.3 卷积神经网络示例:LeNet-5 45
      • 本章参考文献 48
      • 深度学习工具篇
      • 第5 章 深度学习工具Caffe 50
      • 5.1 Caffe 的安装 50
      • 5.1.1 安装依赖包 51
      • 5.1.2 CUDA 安装 51
      • 5.1.3 MATLAB 和Python 安装 54
      • 5.1.4 OpenCV 安装(可选) 59
      • 5.1.5 Intel MKL 或者BLAS 安装 59
      • 5.1.6 Caffe 编译和测试 59
      • 5.1.7 Caffe 安装问题分析 62
      • 5.2 Caffe 框架与源代码解析 63
      • 5.2.1 数据层解析 63
      • 5.2.2 网络层解析 74
      • 5.2.3 网络结构解析 92
      • 5.2.4 网络求解解析 104
      • 本章参考文献 109
      • 第6 章 深度学习工具Pylearn2 110
      • 6.1 Pylearn2 的安装 110
      • 6.1.1 相关依赖安装 110
      • 6.1.2 安装Pylearn2 112
      • 6.2 Pylearn2 的使用 112
      • 本章参考文献 116
      • 深度学习实践篇(入门与进阶)
      • 第7 章 基于深度学习的手写数字识别 118
      • 7.1 数据介绍 118
      • 7.1.1 MNIST 数据集 118
      • 7.1.2 提取MNIST 数据集图片 120
      • 7.2 手写字体识别流程 121
      • 7.2.1 模型介绍 121
      • 7.2.2 操作流程 126
      • 7.3 实验结果分析 127
      • 本章参考文献 128
      • 第8 章 基于深度学习的图像识别 129
      • 8.1 数据来源 129
      • 8.1.1 Cifar10 数据集介绍 129
      • 8.1.2 Cifar10 数据集格式 129
      • 8.2 Cifar10 识别流程 130
      • 8.2.1 模型介绍 130
      • 8.2.2 操作流程 136
      • 8.3 实验结果分析 139
      • 本章参考文献 140
      • 第9 章 基于深度学习的物体图像识别 141
      • 9.1 数据来源 141
      • 9.1.1 Caltech101 数据集 141
      • 9.1.2 Caltech101 数据集处理 142
      • 9.2 物体图像识别流程 143
      • 9.2.1 模型介绍 143
      • 9.2.2 操作流程 144
      • 9.3 实验结果分析 150
      • 本章参考文献 151
      • 第10 章 基于深度学习的人脸识别 152
      • 10.1 数据来源 152
      • 10.1.1 AT&T Facedatabase 数据库 152
      • 10.1.2 数据库处理 152
      • 10.2 人脸识别流程 154
      • 10.2.1 模型介绍 154
      • 10.2.2 操作流程 155
      • 10.3 实验结果分析 159
      • 本章参考文献 160
      • 深度学习实践篇(高级应用)
      • 第11 章 基于深度学习的人脸识别――DeepID 算法 162
      • 11.1 问题定义与数据来源 162
      • 11.2 算法原理 163
      • 11.2.1 数据预处理 163
      • 11.2.2 模型训练策略 164
      • 11.2.3 算法验证和结果评估 164
      • 11.3 人脸识别步骤 165
      • 11.3.1 数据预处理 165
      • 11.3.2 深度网络结构模型 168
      • 11.3.3 提取深度特征与人脸验证 171
      • 11.4 实验结果分析 174
      • 11.4.1 实验数据 174
      • 11.4.2 实验结果分析 175
      • 本章参考文献 176
      • 第12 章 基于深度学习的表情识别 177
      • 12.1 表情数据 177
      • 12.1.1 Cohn-Kanade(CK+)数据库 177
      • 12.1.2 JAFFE 数据库 178
      • 12.2 算法原理 179
      • 12.3 表情识别步骤 180
      • 12.3.1 数据预处理 180
      • 12.3.2 深度神经网络结构模型 181
      • 12.3.3 提取深度特征及分类 182
      • 12.4 实验结果分析 184
      • 12.4.1 实现细节 184
      • 12.4.2 实验结果对比 185
      • 本章参考文献 188
      • 第13 章 基于深度学习的年龄估计 190
      • 13.1 问题定义 190
      • 13.2 年龄估计算法 190
      • 13.2.1 数据预处理 190
      • 13.2.2 提取深度特征 192
      • 13.2.3 提取LBP 特征 196
      • 13.2.4 训练回归模型 196
      • 13.3 实验结果分析 199
      • 本章参考文献 199
      • 第14 章 基于深度学习的人脸关键点检测 200
      • 14.1 问题定义和数据来源 200
      • 14.2 基于深度学习的人脸关键点检测的步骤 201
      • 14.2.1 数据预处理 201
      • 14.2.2 训练深度学习网络模型 206
      • 14.2.3 预测和处理关键点坐标 207
      • 本章参考文献 212
      • 深度学习总结与展望篇
      • 第15 章 总结与展望 214
      • 15.1 深度学习领域当前的主流技术及其应用领域 214
      • 15.1.1 图像识别 214
      • 15.1.2 语音识别与自然语言理解 215
      • 15.2 深度学习的缺陷 215
      • 15.2.1 深度学习在硬件方面的门槛较高 215
      • 15.2.2 深度学习在软件安装与配置方面的门槛较高 216
      • 15.2.3 深度学习最重要的问题在于需要海量的有标注的数据作为支撑 216
      • 15.2.4 深度学习的最后阶段竟然变成枯燥、机械、及其耗时的调参工作 217
      • 15.2.5 深度学习不适用于数据量较小的数据 218
      • 15.2.6 深度学习目前主要用于图像、声音的识别和自然语言的理解 218
      • 15.2.7 研究人员从事深度学习研究的困境 219
      • 15.3 展望 220
      • 本章参考文献 220

      学习笔记

      Dlib+OpenCV深度学习人脸识别的方法示例

      前言 人脸识别在LWF(Labeled Faces in the Wild)数据集上人脸识别率现在已经99.7%以上,这个识别率确实非常高了,但是真实的环境中的准确率有多少呢?我没有这方面的数据,但是可以确信的是真实环境中的识别率并没有那么乐观。现在虽然有一些商业应用如员工人脸识别管理系统、海关身份验证系统、甚至是银行人脸识别功能,但是我们可以仔细想想员工人脸识别管理,海关身份证系统的应用场景对身份的验证功能其实并没有商家吹嘘的那么重要,打个比方说员工上班的时候刷脸如果失败了会怎样,是不是重新识别一下,如果还是误识别,或是识别不出,是不是就干脆刷卡或是其他方式登记上班,然后骂一……

      PyTorch的深度学习入门之PyTorch安装和配置

      前言 深度神经网络是一种目前被广泛使用的工具,可以用于图像识别、分类,物体检测,机器翻译等等。深度学习(DeepLearning)是一种学习神经网络各种参数的方法。因此,我们将要介绍的深度学习,指的是构建神经网络结构,并且运用各种深度学习算法训练网络参数,进而解决各种任务。本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度学习框架,使用灵活,学习方便。还有其他主流的深度学习框架,例如Caffe,TensorFlow,CNTK等等,各有千秋。笔者认为,初期学习还是选择一种入门,不要期望全都学会。须知,发力集中才能深入挖掘。乱花渐欲迷人眼,选择适合自己的,从一而终,相信会对科……

      Python编程深度学习计算库之numpy

      NumPy是python下的计算库,被非常广泛地应用,尤其是近来的深度学习的推广。在这篇文章中,将会介绍使用numpy进行一些最为基础的计算。 NumPy vs SciPy NumPy和SciPy都可以进行运算,主要区别如下 最近比较热门的深度学习,比如在神经网络的算法,多维数组的使用是一个极为重要的场景。如果你熟悉tensorflow中的tensor的概念,你会非常清晰numpy的作用。所以熟悉Numpy可以说是使用python进行深度学习入门的一个基础知识。 安装 liumiaocn:tmp liumiao$ pip install numpyCollecting numpy Downloading https://files.pythonhosted.org/packages/b6/5e/4b2c794fb57a42e285d6e0fae0e9163773c5a6a6a7e1794967fc5d2168f2/numpy-1.14.5-cp27-cp27m-macosx_10_6_intel.macosx_10_9_intel.macosx_……

      Python编程深度学习绘图库之matplotlib

      matplotlib是python的一个开源的2D绘图库,它的原作者是John D. Hunter,因为在设计上借鉴了matlab,所以成为matplotlib。和Pillow一样是被广泛使用的绘图功能,而在深度学习相关的部分,matplotlib得宠的多。这篇文章将简单介绍一下如何安装以及使用它来画一些非常常见的统计图形。 概要信息 注意事项:由于Python2支持到2020年,很多python库都开始主要支持python3了,matplotlib的主分支也已经是python3了。而这篇文章中为了简单,安装和demo代码依然是在python2.7上进行验证的。 安装 使用pip install即可直接安装。安装日志如下: liumiaocn:tmp liumiao$ python -mpip install -U pipRequirement already up-to-date: pip in /usr/local/lib/python2.7/site-p……

      Spring cloud Feign 深度学习与应用详解

      简介 Spring Cloud Feign是一个声明式的Web Service客户端,它的目的就是让Web Service调用更加简单。Feign提供了HTTP请求的模板,通过编写简单的接口和插入注解,就可以定义好HTTP请求的参数、格式、地址等信息。Feign会完全代理HTTP请求,开发时只需要像调用方法一样调用它就可以完成服务请求及相关处理。开源地址:https://github.com/OpenFeign/feign。Feign整合了Ribbon负载和Hystrix熔断,可以不再需要显式地使用这两个组件。总体来说,Feign具有如下特性: 可插拔的注解支持,包括Feign注解和JAX-RS注解; 支持可插拔的HTTP编码器和解码器; 支持Hystrix和它的Fallback; 支持Ribbon的负载均衡; 支持HTTP请求和响应的压缩。 Spring Cl……

      以上就是本次介绍的深度学习电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:Oracle数据库系统原理

      下一篇:JavaScript和jQuery实战手册

      展开 +

      收起 -

      • 《深度学习:原理与应用实践》PDF下载

      下载地址:百度网盘下载
      深度学习相关电子书
      深度学习导论及案例分析
      深度学习导论及案例分析 原书清晰版

      本书介绍了深度学习的起源和发展、强调了深层网络的特点和优势,详述了深度学习的9种重要模型及其学习算法、变种模型和混杂模型,可作为具备神经网络基础知识后进一步了解深度学习理论和方法的入门教材或导论性参考书

      立即下载
      深度学习
      深度学习

      本书是深度学习的入门教材,系统地介绍了深度学习的基本概念与实战应用,包括深度学习在图像、语音、文本方向的应用,以及前沿发展等。本书分为10章,大致为3个部分:第1部分(1-3章)介绍深度学习的基础知识。第2部分(4-6章)介绍深度学习的各个方面,从算法设计到模型实现。第3部分(8-10章)介绍深度学习的实战应用以及前沿发展。每章都附有相应的习题和参考文献,以便感兴趣的读者进一步深入思考。 "让学习变得轻松”是本书的基本编写

      立即下载
      Keras图像深度学习实战
      Keras图像深度学习实战 扫描版

      本书主要聚焦在图像处理领域,结合图像处理的其他函数综合运用到神经网络模型中,本书适合有一定python编程基础,对深度学习原理有一定了解

      立即下载
      基于深度学习的自然语言处理
      基于深度学习的自然语言处理 完整版

      本书将深度学习技术应用于自然语言处理的实用指南,系统阐述将深度学习技术应用于自然语言处理的方法和技术,深入浅出地介绍了深度学习的基本知识及各种常用的网络结构等方面

      立即下载
      深度学习框架PyTorch:入门与实践
      深度学习框架PyTorch:入门与实践 超清完整版

      本书媲美TensorFlow的深度学习框架!从多维数组Tensor开始,循序渐进地带领读者了解PyTorch各方面的基础知识,包含实战Kaggle竞赛中经典项目、GAN生成动漫头像、AI滤镜、RNN写诗、图像描述任务等

      立即下载
      深度学习、优化与识别
      深度学习、优化与识别 高清扫描版

      深度神经网络是近年来受到广泛关注的研究方向,它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共16章,分为两个部分;第一部分(第1章

      立即下载
      PyTorch深度学习实战
      PyTorch深度学习实战 扫描版

      这本书从原理到实战、深入浅出地介绍了Facebook人工智能利器Pytorch的卓越表现,主要定位为具有一定Python编程基础,对机器学习和神经网络有一定了解的程序员们

      立即下载
      深度学习与计算机视觉:算法原理 框架应用与代码实现
      深度学习与计算机视觉:算法原理 框架应用与代码实现 完整扫描版

      《深度学习与计算机视觉:算法原理、框架应用与代码实现》 全面介绍了深度学习及计算机视觉中基础的知识,并结合常见的应用场景和大量实例,带领读者进入丰富多彩的计算机视觉领域。

      立即下载
      深度学习核心技术与实践
      深度学习核心技术与实践 高质量版

      本书介绍了深度学习的核心算法,以及在计算机视觉、语音识别、自然语言处理中的相关应用,讲解原理,较少贴代码。本书适合深度学习从业人士或者相关研究生作为参考资料

      立即下载
      读者留言
      Mr.周思淼

      Mr.周思淼 提供上传

      资源
      25
      粉丝
      25
      喜欢
      104
      评论
      4

      Copyright 2018-2020 www.xz577.com 码农之家

      投诉 / 推广 / 赞助:QQ:520161757