【全新正版包邮】 华为MNSPORE深度学习框架应用开发实战 李晓黎
￥ 67.74 6.8折 ￥ 99.8 全新
库存26件
江苏南京
认证卖家担保交易快速发货售后保障
作者李晓黎
出版社人民邮电出版社
ISBN9787115629852
出版时间2024-06
装帧平装
开本16开
定价99.8元
货号1203305047
上书时间2024-09-30
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
李晓黎，1998年毕业于吉林大学计算机系，硕士，具有中国投资银行、国家开发银行、中信实业银行等多家银行从业经历，多年参与银行信息化建设和网银平台开发工作，积累了深厚的全栈技术和丰富的实战开发经验，自2006年以来10多年间带领所组建的开发团队，从事网络管理软件、企业ERP系统和电商平台的开发与建设，对开发模式、开发团队组织管理和系统架构设计有着深入的理解和丰富的实战经验。在带领技术团队的过程中积累了丰富的专业技术与培训经验。
目录
第 1章 深度学习基础1
1.1 深度学习的基础理论1
1.1.1 人工智能的发展历程1
1.1.2 深度学习是当前热度优选的AI技术3
1.1.3 深度学习技术的常用概念5
1.1.4 深度学习的基本工作流程8
1.2 深度学习框架10
1.2.1 常用的深度学习框架10
1.2.2 深度学习框架的对比与选择12
1.3 深度学习框架的执行模式15
1.3.1 Eager模式和Graph模式的对比15
1.3.2 计算图的概念17
1.4 华为云AI平台ModelArts20
1.4.1 功能概述20
1.4.2 ModelArts平台对昇腾生态的支持22
1.4.3 ModelArts开发工具22
1.4.4 使用ModelArts平台的基本方法23
第 2章 MindSpore概述30
2.1 总体架构30
2.1.1 华为全栈全场景AI解决方案30
2.1.2 MindSpore框架的总体架构31
2.2 MindSpore库和子系统32
2.2.1 ModelZoo模型库33
2.2.2 Extend扩展库33
2.2.3 MindScience子系统33
2.2.4 MindExpression子系统34
2.2.5 MindCompiler子系统34
2.2.6 MindRT子系统36
2.2.7 MindData子系统36
2.2.8 MindInsight子系统37
2.2.9 MindAmour子系统37
2.3 搭建MindSpore环境38
2.3.1 准备基础运行环境38
2.3.2 安装MindSpore框架40
2.3.3 MindSpore社区41
2.4 Python模块编程42
2.4.1 Python模块编程基础42
2.4.2 常用的Python数据科学开发包44
2.4.3 MindSpore Python API的常用模块45
2.5 MindSpore编程基础46
2.5.1 MindSpore的开发流程46
2.5.2 配置MindSpore的运行信息46
2.5.3 数据类型（DataType）47
2.5.4 张量（Tensor）48
2.5.5 数据集（Dataset）51
2.5.6 算子（Operation）51
2.5.7 神经网络基本单元（Cell）51
2.5.8 模型（Model）51
第3章 数据处理52
3.1 背景知识52
3.1.1 深度学习中的数据处理52
3.1.2 MindSpore的数据处理流程53
3.2 数据集加载54
3.2.1 加载常用图像数据集54
3.2.2 加载常用文本数据集56
3.2.3 数据采样58
3.2.4 生成和使用自定义数据集59
3.3 通用数据处理60
3.3.1 数据混洗60
3.3.2 实现数据映射操作61
3.3.3 对数据集进行分批62
3.3.4 对数据集进行重复处理63
3.3.5 对数据集进行拼接处理64
3.3.6 Tensor对象的转置处理66
3.4 文本数据处理68
3.4.1 文本数据增强技术概述68
3.4.2 构造和使用词汇表68
3.4.3 文本分词技术69
3.5 图像处理与增强71
3.5.1 使用Matplotlib显示图像72
3.5.2 图像裁剪73
3.5.3 图像翻转75
3.5.4 图像缩放76
3.5.5 图像反相76
3.5.6 图像格式的转换78
3.5.7 图像数据类型的转换78
3.6 自定义数据集MindRecord78
3.6.1 将数据存储为MindRecord数据集79
3.6.2 加载MindRecord数据集81
3.7 优化数据处理81
.3.7.1 数据加载性能优化82
3.7.2 数据增强性能优化82
3.8 ModelArts数据处理84
3.8.1 创建数据集85
3.8.2 数据增强85
第4章 MindSpore算子88
4.1 深度学习的常用算法88
4.1.1 激活函数88
4.1.2 损失函数91
4.1.3 优化器（optimizer）94
4.1.4 归一化（normalization）99
4.2 常用的激活函数算子102
4.2.1 ReLU函数相关算子102
4.2.2 Sigmoid函数相关算子103
4.2.3 Tanh函数相关算子104
4.2.4 Leaky ReLU函数相关算子105
4.2.5 ELU函数相关算子105
4.3 常用的损失函数算子106
4.3.1 MSE损失函数相关算子106
4.3.2 L1损失函数相关算子108
4.3.3 SmoothL1损失函数相关算子108
4.3.4 交叉熵损失函数相关算子109
4.3.5 KLDiv损失函数相关算子111
4.3.6 NLL损失函数相关算子111
4.3.7 SoftMargin损失函数相关算子112
4.4 常用的优化器和学习率相关算子113
4.4.1 常用的优化器算子113
4.4.2 学习率相关算子113
4.5 常用的归一化算子115
4.5.1 BN算法相关算子115
4.5.2 LN算法相关算子116
4.5.3 IN算法相关算子117
4.5.4 GN算法相关算子117
4.5.5 LRN算法相关算子118
第5章 神经网络模型开发120
5.1 神经网络模型基础120
5.1.1 搭建神经网络的流程120
5.1.2 CNN的工作原理122
5.1.3 CNN的经典模型130
5.2 MindSpore搭建神经网络135
5.2.1 在MindSpore框架中搭建神经网络的流程135
5.2.2 定义神经网络类136
5.2.3 在神经网络中定义隐层137
5.2.4 自动微分140
5.2.5 设置超参初始值144
5.2.6 设置损失函数和优化器145
5.3 模型训练145
5.3.1 创建模型对象145
5.3.2 训练模型145
5.3.3 保存模型146
5.4 基于LeNet-5模型的手写数字识别实例147
5.4.1 搭建环境147
5.4.2 训练模型149
5.4.3 LeNet-5模型的源代码解析150
5.5 通过ModelArts云平台在线训练模型154
5.5.1 本节案例的流程154
5.5.2 准备训练数据154
5.5.3 订阅算法156
5.5.4 使用订阅算法创建训练作业158
第6章 数据可视化组件MindInsight160
6.1 MindInsight概述160
6.1.1 MindInsight的工作原理160
6.1.2 安装MindInsight160
6.2 收集和解析Summary日志文件162
6.2.1 收集Summary日志文件162
6.2.2 解析Summary日志文件165
6.3 训练看板166
6.3.1 训练标量可视化167
6.3.2 参数分布图167
6.3.3 张量可视化168
6.3.4 计算图可视化169
6.3.5 数据图可视化172
6.3.6 数据抽样172
6.3.7 损失函数多维分析172
6.4 溯源与对比看板181
6.4.1 溯源与对比的数据采集实例181
6.4.2 溯源182
6.4.3 对比看板183
第7章 推理185
7.1 概述185
7.1.1 推理的基本概念185
7.1.2 训练和推理的区别与联系186
7.2 MindSpore推理概述186
7.2.1 MindSpore推理的流程186
7.2.2 MindSpore模型文件格式187
7.2.3 加载模型188
7.3 MindSpore在线推理188
7.3.1 使用MindSpore Hub从华为云加载模型188
7.3.2 验证模型192
7.3.3 测试模型193
7.4 MindSpore离线推理195
7.4.1 ONNX Runtime概述196
7.4.2 MindSpore导出ONNX模型196
7.4.3 在Python环境中安装ONNX Runtime197
7.4.4 Python使用ONNX Runtime进行推理的流程197
7.4.5 加载模型197
7.4.6 获取输入输出节点名198
7.4.7 准备数据198
7.4.8 执行推理199
7.5 通过ModelArts云平台实现在线推理200
7.5.1 模型转换201
7.5.2 创建AI应用202
7.5.3 部署为在线服务204
7.5.4 调用在线服务的API接口206
7.5.5 清除资源210
第8章 移动端AI框架MindSpore Lite211
8.1 MindSpore Lite的总体架构211
8.1.1 离线模块211
8.1.2 在线模块212
8.2 在Ubuntu环境下安装MindSpore Lite212
8.2.1 安装依赖的软件212
8.2.2 编译MindSpore Lite214
8.2.3 下载MindSpore Lite压缩包215
8.3 MindSpore Lite C++编程217
8.3.1 完整的迁移学习过程编程217
8.3.2 端侧模型训练可以使用的回调函数219
8.3.3 单纯的端侧推理场景编程221
8.4 端侧训练、评估和推理实例223
8.4.1 实例的目录结构223
8.4.2 解析实例的主脚本prepare_and_run.sh223
8.4.3 为运行实例做准备233
8.4.4 运行实例236
8.4.5 实例中端侧模型训练代码解析238
8.4.6 实例中端侧模型评估代码解析244
8.4.7 实例中端侧模型推理代码解析245
8.5 开发图像分类的Android APP实例249
8.5.1 本实例的运行效果249
8.5.2 本实例的开发流程250
8.5.3 本实例使用的图像分类模型251
8.5.4 下载本实例的源代码253
8.5.5 搭建本实例的开发环境254
8.5.6 构建和运行本实例APP项目257
8.5.7 本实例执行端侧推理的流程257
8.5.8 端侧推理的C++程序258
第9章 基于DCGAN的动漫头像生成实例269
9.1 GAN和DCGAN理论基础269
9.1.1 生成模型和判别模型269
9.1.2 什么是GAN270
9.1.3 DCGAN的原理271
9.2 为在线运行实例准备环境273
9.2.1 下载实例代码273
9.2.2 在ModelArts创建Notebook实例并上传代码274
9.3 实例的在线运行与代码解析275
9.3.1 下载并解压数据集276
9.3.2 设置MindSpore运行属性及训练参数276
9.3.3 图像数据处理与增强277
9.3.4 可视化部分训练数据279
9.3.5 初始化权重参数280
9.3.6 定义生成器模型281
9.3.7 定义判别器模型283
9.3.8 连接生成器和损失函数284
9.3.9 连接判别器和损失函数285
9.3.10 定义损失函数和优化器286
9.3.11 定义DCGAN网络287
9.3.12 完成生成器和判别器的实例化工作288
9.3.13 训练模型288
9.3.14 绘制训练过程中生成器和判别器损失值变化趋势图290
9.3.15 展示生成的卡通头像291
第 10章 基于RNN实现文本情感分类的实例294
10.1 文本的数值化表示294
10.1.1 独热（One-hot）编码294
10.1.2 将每个单词编码为一个专享数字294
10.1.3 词嵌入向量295
10.1.4 GloVe（Global Vectors，全局词向量）模型296
10.2 RNN工作原理298
10.2.1 RNN的网络结构298
10.2.2 RNN的作用299
10.2.3 LSTM模型299
10.3 实例的运行和代码解析301
10.3.1 下载实例代码并上传至ModelArts云平台301
10.3.2 本实例的代码块301
10.3.3 下载并解压数据集301
10.3.4 下载GloVe包302
10.3.5 创建保存数据集预处理输出的目录303
10.3.6 配置运行信息和网络参数303
10.3.7 安装gensim依赖包304
10.3.8 执行数据集预处理305
10.3.9 显示数据集预处理的结果310
10.3.10 创建训练集对象311
10.3.11 定义网络312
10.3.12 训练并保存模型324
10.3.13 模型验证325
10.3.14 本实例的MindSpore版本不兼容问题326
附录327
第8章APP实例的部分代码解析327
一．主界面处理程序简介327
二．结果页面处理程序简介330
三．端侧推理的Java程序332
内容摘要
全书从逻辑上共分3部分。第一部分由第1章和第2章组成，介绍深度学习的基础理论、MindSpore总体架构和编程基础。第二部分由第3～8章组成，介绍MindSpore框架各子系统的具体情况，包括数据处理、算子、神经网络模型开发、数据可视化组件MindInsight、推理、以及移动端AI框架MindSpore Lite。第三部分由第9章和第10章组成，介绍使用MindSpore框架开发和训练的经典深度学习模型实例。
本书既可以作为深度学习相关方向学生的专业用书，又可以作为相关科研人员和开发人员的参考用书。
主编推荐
1.本书作者是多年从事软件开发工作的工程师，具有丰富的开发经验。
2.本书是入门级图书，通过直观的图表和言简意赅的语言讲解深度学习的基础理论，可读性强。
3.本书采用多个经典实例，实战型高，内容直观。
4.本书配套资源丰富，便于读者自学。
— 没有更多了 —
以下为对购买帮助不大的评价