本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，主要内容如下：第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行；第2章为机器学习概述，讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本；第3章介绍从生物神经元到
电子书
内容简介
内 容 提 要
本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第 1 章介绍了深度学习及其主流框架；第2章介绍了几种不同的PaddlePaddle安装方式；第3章使用MNIST数据集实现手写数字识别；第4章介绍CIFAR彩色图像识别；第5章介绍了自定义数据集的识别；第6章介绍了验证码的识别；第7章介绍了场景文字的识别；第8章实现了验证码的端到端的识别；第9～11章讲解了车牌识别、使用SSD神经网络完成目标检测；第12章和第13章介绍了Fluid、可视化工具VisualDL；第 14 章和第 15 章介绍了如何在服务器端与Android移动终端使用PaddlePaddle进行项目实践。
本书适合机器学习爱好者、程序员、人工智能方面的从业人员阅读，也可以作为大专院校相关专业的师生用书和培训学校的教材。
章节目录
- 封 面
- 内容提要
- 推 荐 序
- 前 言
- 服务与支持
- 目 录
- 第1章 深度学习
- 1.1引言
- 1.2深度学习框架简介
- 1.3数学基础知识
- 1.3.1 线性代数相关知识
- 1.3.2 概率论相关知识
- 1.3.3 导数相关知识
- 1.4简单的深度学习理论知识
- 1.5小结
- 第2章 PaddlePaddle的安装
- 2.1引言
- 2.2计算机配置
- 2.3安装前的检查
- 2.4使用pip安装
- 2.5使用Docker安装
- 2.6从源码编译并生成安装包
- 2.6.1 在本地编译并生成安装包
- 2.6.2 在 Docker中编译并生成安装包
- 2.7编译Docker镜像
- 2.8在Windows操作系统中安装PaddlePaddle的方法
- 2.8.1 在 Windows 系统中安装 Docker容器
- 2.8.2 在 Windows 系统中安装 Ubuntu
- 2.8.3 在 Windows 10 中安装 Linux 子系统
- 2.9测试安装效果
- 2.10小结
- 第3章 使用MNIST数据集实现手写数字识别
- 3.1引言
- 3.2数据集
- 3.3定义神经网络模型
- 3.4开始训练模型
- 3.4.1 导入依赖包
- 3.4.2 初始化 Paddle
- 3.4.3 获取训练器
- 3.4.4 开始训练
- 3.5使用参数预测
- 3.5.1 初始化 PaddlePaddle
- 3.5.2 获取训练好的参数
- 3.5.3 读取图片
- 3.5.4 开始预测
- 3.6小结
- 第4章 CIFAR数据集中彩色图像的识别
- 4.1引言
- 4.2数据集
- 4.3定义神经网络模型
- 4.4开始训练模型
- 4.4.1 导入依赖包
- 4.4.2 初始化 Paddle
- 4.4.3 获取参数
- 4.4.4 创建训练器
- 4.4.5 开始训练
- 4.5使用参数预测
- 4.6使用其他神经模型
- 4.7小结
- 第5章 自定义图像数据集的识别
- 5.1引言
- 5.2网络爬虫技术
- 5.2.1 网络爬虫的整体框架
- 5.2.2 URL管理器
- 5.2.3 网页下载器
- 5.2.4 网页解析器
- 5.3网络爬虫实例
- 5.3.1 调度器的使用
- 5.3.2 URL管理器的使用
- 5.3.3 网页下载器的使用
- 5.3.4 网页解析器的使用
- 5.3.5 数据收集器的使用
- 5.3.6 运行代码
- 5.4数据集
- 5.4.1 生成图像列表
- 5.4.2 读取数据
- 5.5定义神经网络
- 5.6使用PaddlePaddle开始训练
- 5.6.1 创建训练器
- 5.6.2 开始训练
- 5.7使用PaddlePaddle预测
- 5.8小结
- 第6章 验证码的识别
- 6.1引言
- 6.2数据集的获取
- 6.2.1 下载验证码
- 6.2.2 修改验证码的文件名
- 6.2.3 裁剪验证码
- 6.2.4 生成图像列表
- 6.3读取数据
- 6.4使用PaddlePaddle开始训练
- 6.5使用PaddlePaddle预测
- 6.5.1 裁剪验证码
- 6.5.2 预测图像
- 6.5.3 标签转成字符
- 6.6小结
- 第7章 场景文字识别
- 7.1引言
- 7.2数据集
- 7.3定义神经网络模型
- 7.4数据的读取
- 7.4.1 读取图像列表
- 7.4.2 生成标签字典
- 7.4.3 读取训练数据
- 7.5训练模型
- 7.5.1 训练准备
- 7.5.2 安装 libwarpctc.so 库
- 7.5.3 开始训练
- 7.6开始预测
- 7.7小结
- 第8章 验证码端到端的识别
- 8.1引言
- 8.2数据集
- 8.3生成图像列表文件
- 8.4数据的读取
- 8.4.1 读取数据并存储成列表
- 8.4.2 生成和读取标签字典
- 8.4.3 读取训练和测试的数据
- 8.5定义网络模型
- 8.6生成训练器
- 8.7定义训练
- 8.8启动训练
- 8.9开始预测
- 8.10小结
- 第9章 车牌端到端的识别
- 9.1引言
- 9.2车牌数据的采集
- 9.2.1 车牌数据的下载
- 9.2.2 命名车牌图像
- 9.2.3 车牌定位
- 9.2.4 灰度化图像
- 9.3数据的读取
- 9.3.1 生成列表文件
- 9.3.2 以列表方式读取数据
- 9.3.3 生成和读取标签字典
- 9.3.4 训练数据和测试数据的读取
- 9.4定义神经网络
- 9.5开始训练
- 9.6开始预测
- 9.7小结
- 第10章 使用VOC数据集实现目标检测
- 10.1引言
- 10.2VOC数据集
- 10.2.1 下载 VOC数据集
- 10.2.2 生成图像列表
- 10.3数据预处理
- 10.4SSD神经网络
- 10.5训练模型
- 10.6评估模型
- 10.7预测数据
- 10.7.1 预测并保存预测结果
- 10.7.2 显示画出的框
- 10.8小结
- 第11章 通过自定义图像数据集实现目标检测
- 11.1引言
- 11.2数据集
- 11.2.1 下载车牌数据
- 11.2.2 重命名图像
- 11.3标注数据集
- 11.3.1 安装 Label Img
- 11.3.2 使用 Label Img
- 11.3.3 生成图像列表
- 11.4训练模型
- 11.4.1 预训练模型处理
- 11.4.2 开始训练
- 11.5评估模型
- 11.6预测图片
- 11.6.1 获取预测结果
- 11.6.2 显示预测结果
- 11.7小结
- 第12章 使用PaddlePaddle Fluid
- 12.1引言
- 12.2Fluid版本
- 12.3定义神经网络
- 12.4训练程序
- 12.4.1 定义数据
- 12.4.2 定义平均正确率
- 12.4.3 定义测试程序
- 12.4.4 定义优化方法
- 12.5训练模型
- 12.5.1 定义调试器
- 12.5.2 获取数据
- 12.5.3 开始训练
- 12.5.4 保存预测模型
- 12.6预测模型
- 12.7小结
- 第13章 可视化工具VisualDL的使用
- 13.1引言
- 13.2VisualDL的介绍
- 13.3VisualDL的安装
- 13.3.1 使用 pip 安装
- 13.3.2 使用源码安装
- 13.4简单使用VisualDL
- 13.5在PaddlePaddle中使用VisualDL
- 13.5.1 定义 VisualDL 组件
- 13.5.2 编写 PaddlePaddle 代码
- 13.5.3 把数据添加到 VisualDL中
- 13.6小结
- 第14章 把PaddlePaddle部署到网站服务器上
- 14.1引言
- 14.2开发环境
- 14.3Flask的使用
- 14.3.1 安装 Flask
- 14.3.2 测试 Flask框架是否安装成功
- 14.3.3 文件上传
- 14.4使用PaddlePaddle预测
- 14.4.1 获取预测模型
- 14.4.2 部署 PaddlePaddle
- 14.5小结
- 第15章 把PaddlePaddle应用到Android手机
- 15.1引言
- 15.2编译PaddlePaddle库
- 15.2.1 使用 Docker 编译 PaddlePaddle 库
- 15.2.2 使用 Linux 编译 PaddlePaddle 库
- 15.3MobileNet神经网络
- 15.4训练模型
- 15.5编写预测代码
- 15.6合并模型
- 15.7移植到Android
- 15.7.1 加载 PaddlePaddle 库
- 15.7.2 加载合并的模型
- 15.7.3 开发 Android 程序
- 15.8小结
展开全部
深度学习实战之PaddlePaddle是2019年由人民邮电出版社出版,作者潘志宏 王培彬 万智萍 邱泽敏。
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《深度学习实战之PaddlePaddle》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
本书以PyTorch深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用PyTorch实现深度学习应用的重要内容。本书共7章，内容包括深度学习概述、PyTorch深度学习通用流程、PyTorch深度学习基础、手写汉字识别、文本生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现文本生成等。本书大部分章包含实训和课后习题，希望通过练习和操作实践，帮助读者巩固所学的内
电子书
本书以深度学习的常用技术与TensorFlow2真实案例相结合的方式，深入浅出地介绍TensorFlow2实现深度学习的重要内容。全书共7章，分为基础篇（第1～3章）和实战篇（第4～7章），基础篇内容包括深度学习概述、TensorFlow2快速入门、深度神经网络原理及实现等基础知识；实战篇内容包括4个案例，分别为基于CNN的门牌号识别、基于LSTM网络的语音识别、基于CycleGAN的图像风格转换
电子书
本书以Keras深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用Keras进行深度学习的重要内容。全书共7章，内容包括深度学习概述、Keras深度学习通用流程、Keras深度学习基础、基于RetinaNet的目标检测、基于LSTM网络的诗歌生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现诗歌生成等。本书大部分章包含实训和课后习题，通过练习和操作实践，读者可
电子书
本书以深度学习框架PyTorch为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了基本机器学习操作的原理和在深度学习框架下的实践步骤。全书共16章，主要分别介绍了深度学习基础知识、深度学习框架及其对比，机器学习基础知识，深度学习框架基础，Logistic回归，多层感知器，计算机视觉，自然语言处理以及8个实战案例。本书将理论与实践紧密结合，相信能为读者提供有益的学习指导。??本书适合Pyth
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
近年来，基于深度学习方法的自然语言处理（NLP）已逐渐成为主流。本书共8章，主要介绍自然语言处理任务中的深度学习技术，包含深度学习理论基础、深度学习的软件框架、语言模型与词向量、序列模型与梯度消失/爆炸、卷积神经网络在NLP领域的应用、Seq2Seq模型与Attention机制、大规模预训练模型、预训练语言模型BERT，还给出了自然语言处理技术的高级应用和开发实例，并收录了基于PyTorch深度学
电子书
本书介绍了深度学习的基本概念、算法原理以及实现框架。全书共9章，分别介绍了深度学习的发展历史、神经网络与深度神经网络、卷积神经网络、循环神经网络、深度学习在目标检测和图像描述中的应用、生成对抗网络、深度迁移学习和深度强化学习等，并提供了应用实例。
