本书适合对人工智能、机器学习、数据分析等方向感兴趣的初学者和爱好者。
电子书
编辑推荐
本书全面讲解PaddlePaddle Fluid框架在深度学习领域的应用。
内容简介
本书主要介绍PaddlePaddle Fluid框架在深度学习领域的应用。内容包括：PaddlePaddle的安装，PaddlePaddle的使用方式，PaddlePaddle的各种神经网络模型的构建、训练以及预测，卷积神经网络的使用，循环神经网络的使用，生成对抗网络的搭建和训练，强化学习，模型的保存与使用，迁移学习，VisualDL训练可视化，自定义图像数据集的训练，自定义文本数据集的训练，动态图的使用，模型在服务器上的部署，模型在Android手机应用上的部署等。
章节目录
- 版权信息
- 版 权
- 内容提要
- 前 言
- 资源与支持
- 第1章 PaddlePaddle深度学习开发环境的搭建
- 1.1 深度学习与PaddlePaddle
- 1.2 PaddlePaddle能做些什么
- 1.3 如何学习本书
- 1.4 Python的安装
- 1.5 本地安装PaddlePaddle
- 1.5.1 Windows操作系统下安装PaddlePaddle
- 1.5.2 Ubuntu操作系统下安装PaddlePaddle
- 1.6 PyCharm的使用
- 1.7 AI Studio平台的使用
- 1.8 本章小结
- 第2章 PaddlePaddle快速入门
- 2.1 两个小实例让PaddlePaddle跑起来
- 2.2 PaddlePaddle常量的使用
- 2.3 PaddlePaddle变量的使用
- 2.4 本章小结
- 第3章 PaddlePaddle的HelloWorld——线性回归算法
- 3.1 迈入PaddlePaddle实战第一站
- 3.2 PaddlePaddle深度学习实战——线性回归算法
- 3.2.1 深度神经网络模型的搭建
- 3.2.2 利用房价数据集对深度神经网络模型进行验证
- 3.3 本章小结
- 第4章 卷积神经网络实战——MNIST手写数字识别
- 4.1 图像识别之卷积神经网络模型
- 4.2 PaddlePaddle CNN模型实战——MNIST手写数字识别
- 4.3 本章小结
- 第5章 循环神经网络实战——电影评论数据集的情感分析
- 5.1 自然语言处理之循环神经网络模型
- 5.2 PaddlePaddle搭建情感分析项目RNN模型
- 5.3 利用电影评论数据集对RNN模型进行验证
- 5.4 本章小结
- 第6章 生成对抗网络实战——增强数据集
- 6.1 生成对抗网络
- 6.2 GAN增强数据集实战——训练GAN模型
- 6.2.1 创建生成器
- 6.2.2 创建判别器
- 6.3 本章小结
- 第7章 强化学习实战——在游戏反馈中变得更聪明
- 7.1 强化学习简介
- 7.2 项目测试游戏Gym的简介
- 7.3 训练DQN模型——让DQN模型在游戏中不断学习并获得高分
- 7.4 本章小结
- 第8章 PaddlePaddle模型的保存与使用
- 8.1 深度学习模型的保存与使用
- 8.2 训练模型
- 8.3 加载训练模型
- 8.4 保存训练模型
- 8.5 使用模型进行预测
- 8.6 本章小结
- 第9章 迁移学习实战——花卉类型识别
- 9.1 迁移学习简介
- 9.2 迁移学习应用场景分析
- 9.3 花卉类型识别项目实战——训练模型
- 9.4 花卉类型识别项目实战——验证模型
- 9.5 本章小结
- 第10章 PaddlePaddle可视化工具Visual DL的使用
- 10.1 可视化工具的重要性
- 10.2 PaddlePaddle Visual DL的介绍
- 10.3 PaddlePaddle Visual DL的安装
- 10.4 Visual DL的简单用法
- 10.5 模型训练中使用Visual DL
- 10.6 本章小结
- 第11章 自定义图像数据集识别项目实战——水果识别
- 11.1 自定义数据集
- 11.2 项目图像数据集的爬取
- 11.3 为图像数据集生成图像列表
- 11.4 定义神经网络模型
- 11.5 PaddlePaddle读取训练数据
- 11.6 训练模型
- 11.7 预测模型
- 11.8 本章小结
- 第12章 自定义文本数据集分类项目实战——新闻标题分类
- 12.1 自定义文本数据集
- 12.2 新闻标题分类实战——获取文本数据集
- 12.3 对爬取数据进行预处理和存储
- 12.4 定义BiLSTM模型
- 12.5 读取文本数据集
- 12.6 训练模型
- 12.7 预测文本数据
- 12.8 本章小结
- 第13章 PaddlePaddle动态图的使用
- 13.1 PaddlePaddle动态图机制
- 13.2 搭建动态图模型
- 13.3 训练动态图模型
- 13.4 预测模型
- 13.5 本章小结
- 第14章 开发具有AI能力的服务器接口
- 14.1 具有AI能力的服务器接口
- 14.2 Python Web开发框架Flask简介
- 14.3 PaddlePaddle预测服务器接口
- 14.4 本章小结
- 第15章 移动端深度学习框架Paddle Lite的项目实战——水果识别App
- 15.1 Paddle Lite简介
- 15.2 安装Paddle Lite
- 15.2.1 Docker环境搭建
- 15.2.2 Ubuntu环境搭建
- 15.2.3 编译Paddle Lite
- 15.3 优化移动端的深度学习模型
- 15.4 Android水果识别App的开发
- 15.5 本章小结
展开全部
PaddlePaddleFluid深度学习入门与实战是2021年由人民邮电出版社出版,作者潘志宏。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《PaddlePaddleFluid深度学习入门与实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。
电子书
基于TensorFlow2，系统讲述如何搭建、训练和应用深度学习模型。
电子书
1.PyTorch核心开发者教你使用PyTorch创建神经网络和深度学习系统的实用指南。2.详细讲解整个深度学习管道的关键实践，包括PyTorch张量API、用Python加载数据、监控训练以及对结果进行可视化。3.PyTorch核心知识+真实、完整的案例项目，快速提升读者动手能力：a.全面掌握PyTorch相关的API的使用方法以及系统掌握深度学习的理论和方法；b.快速从零开始构建一个真实示例：肿瘤图像分类器；c.轻松学会使用PyTorch实现各种神经网络模型来解决具体的深度学习问题；d.章尾附有“练习题”，巩固提升所学知识；更有配套的代码文件可下载并动手实现。4.PyTorch联合创作者SoumithChintala作序推荐！5.书中所有代码都是基于Python3.6及以上的版本编写的，提供源代码下载。
电子书
详解深度强化学习，从入门到实战。
电子书
飞桨PaddlePaddle是百度推出的深度学习框架，不仅支撑了百度公司的很多业务和应用，而且随着其开源过程的推进，在其他行业得到普及和应用。
本书基于2019年7月4日发布的飞桨PaddlePaddle Fluid 1.5版本（后续版本会兼容旧版本），以真实案例介绍如何应用飞桨PaddlePaddle解决主流的深度学习问题。
本书适合对人工智能感兴趣的学生、从事机器学习相关工作的读者阅读，尤其适合想要通过飞桨PaddlePaddle掌握深度学习应用技术的研究者和从业者参考。
本书包括以下内容：
● 飞桨PaddlePaddle 的核心设计思想；
● PaddlePaddle在MNIST上进行手写数字识别；
● 图像分类网络实现案例；
● “天网”中目标检测和像素级物体分割的实现；
● NLP技术应用案例 ：word2vec、情感分析、语义角色标注及机器翻译；
● Paddle-Mobile与Anakin框架等高级主题；
● 飞桨PaddlePaddle与TensorFlow、Caffe框架的常用层对比。
电子书
本书以Python语言和Tensorflow为工具，由浅入深地讲述了深度学习程序设计的基本原理、算法和思考问题的方法，内容包括自顶向下的程序设计、递归程序设计、面向对象的程序设计、反向传播算法、三层神经网络、卷积神经网络、循环神经网络、生成式对抗网络和目标检测等。
电子书
本书用TensorFlow框架针对现实场景设计深度学习系统，实现有趣的深度学习项目。
