实践深度学习
全新正版 极速发货
￥ 47.53 6.9折 ￥ 69 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者(日)藤田一弥//高原步|责编:任鑫|译者:林明月
出版社机械工业
ISBN9787111659242
出版时间2020-10
装帧平装
开本其他
定价69元
货号30994329
上书时间2024-06-10
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
藤田一弥，出生于日本新渴县，新渴大学教育学部数学系毕业后，在新渴县公立中学任数学老师。后任职IT公司，从事Web系统开发及政府机关统计业务等工作。2004年创立前向网络(Forward Network)株式会社，任董事长一职。
目录
目录
译者序
原书前言
第1章 本书概要及准备工作 1
1.1 本书概要1
1.1.1 深度学习的成果1
1.1.2 本书学习内容———图像分类、目标检测、强化学习 3
1.1.3 本书学习方法———预训练模型的利用 3
1.2 本书使用的数据集5
1.3 本书使用的硬件及软件6
1.3.1 使用框架 6
1.3.2 GPU的使用 7
1.3.3 准备硬件———改造游戏用计算机 8
1.3.4 OS与中间件 9
1.4 软件安装10
1.4.1 OS的安装 10
1.4.2 中间件的安装 16
1.5 程序下载23
1.5.1 下载文档 23
1.5.2 下载文档的解压缩 24
第2章 网络结构 26
2.1 前馈神经网络26
2.1.1 全连接神经网络简介 27
2.1.2 卷积神经网络简介 27
2.2 卷积神经网络28
2.2.1 卷积层 28
2.2.2 池化层 31
2.2.3 上采样层 31
2.3 本书使用的网络模型32
第3章 基本术语 33
3.1 深度学习操作概要33
3.2 激活函数35
3.3 损失函数37
3.4 随机梯度下降法40
3.4.1 权值更新计算示例 40
3.4.2 动量 44
3.5 误差反向传播算法45
3.6 过拟合47
3.6.1 基于验证数据集的epoch数设置 47
3.6.2 正则化 49
3.6.3 dropout 50
3.7 数据扩充与预处理50
3.8 预训练模型52
3.9 学习率的调整54
第4章 图像识别分类 57
4.1 概要57
4.2 公共数据的制作59
4.2.1 下载图像数据集 59
4.2.2 数据提取和基础数据集的制作 60
4.2.3 数据扩充和公共数据集的制作 634.3 基于9层神经网络的识别分类66
4.3.1 网络概要 66
4.3.2 训练与模型搭建 67
4.3.3 模型读取和估测实操 73
4.3.4 实操示例 75
4.4 基于VGG-16的识别分类——— 16层预训练模型80
4.4.1 VGG- 16概要 80
4.4.2 程序概要 82
4.4.3 实操示例 84
4.5 基于ResNet-152的识别分类———152层预训练模型87
4.5.1 ResNet概要 87
4.5.2 实操环境安装 88
4.5.3 程序概要 89
4.5.4 实操示例 93
4.6 估测精度的进一步提升98
4.6.1 概要 98
4.6.2 多模型的利用 100
4.6.3 Stacked Generalization 103
4.6.4 Self Training 103
第5章 目标检测 107
5.1 目标定位———26层网络107
5.1.1 目标定位、尺寸及种类的估测 107
5.1.2 使用软件及特征 108
5.1.3 实操环境的安装 109
5.1.4 基于预训练模型的目标检测 110
5.1.5 基于目标特征提取的目标 检测 112
5.2 目标形状识别———23层网络120
5.2.1 目标位置、大小及形状的估测 120
5.2.2 使用模型及特征 120
5.2.3 程序概要 123
5.2.4 实操示例 128
第6章 强化学习———训练擅长井字棋游戏的计算机 133
6.1 强化学习133
6.1.1 强化学习概述 133
6.1.2 Q学习 133
6.1.3 DQN 136
6.2 基础框架137
6.2.1 环境与Agent 137
6.2.2 命令处理概要 139
6.2.3 环境内规则 140
6.3 实操环境的安装140
6.4 Q学习与深度学习143
6.5 实操示例147
附录 150
附录A Yolo用“目标位置信息”的生成方法150
A.1 安装BBox- Lable- Tool 150
A.2 生成“目标位置信息” 151
附录B 源程序代码155
参考文献
内容摘要
《实践深度学习》共6章，第1章主要介绍深度学习必备的器材、操作系统及中间件的安装方法;第2、3章解读了深度学习示例中的基本术语;第4章则通过示例程序说明了VGG-16、ResNet-152的具体操作方法，并给出了提升估测精度的方法。而第5章介绍了基于26层网络的Yolo和有助于医学图像目标识别的U形23层网络模型。第6章以训练擅长井字棋游戏的计算机为例，全面展示了强化学习的操作方法。
主编推荐
通过本书你将学习到以下内容：?了解靠前上在图像识别领域取得的研究?理解图像识别领域的网络模型，包括常见卷积神经网络（CNN）。?学会深度学习的操作流程?使用VGG-16、ResNet-152训练模型进行图像识别分类的实际训练?掌握基于26层模型的估测目标定位、尺寸及种类的方法?通过井字游戏实际操作基于深度学习的强化学习方法。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价