多种网盘链接检测插件 购买前，请先检测网盘链接是否有效
《深度学习之PyTorch实战计算机视觉》_唐进民_1
《深度学习之PyTorch实战计算机视觉》_唐进民_2
《深度学习之PyTorch实战计算机视觉》_唐进民_3
内容简介：
作者介绍
唐进民,深入理解深度学习与计算机视觉知
识体系,有扎实的 Python、 Py Torch和数学
功底,长期活跃于 GitHub、知乎等平台,并分
享与深度学习相关的文章,具有一定的阅读量
和人气。此前在某A在线教育平台兼职机器学
习入门 Mentor,辅导新学员入门机器学习和
深度学习
博文视点A系列
深度学习
PyTorch实战计算机视觉
唐进民编著
b stOrch
電子工掌出版社
Publishing House of Electronics Industry
北京 BELJINg
仅限非商业用途或学习研究使用
内容简介
计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向,本书旨在帮助零
基础或基础较为薄弱的读者入门深度学习,达到能够独立使用深度学习知识处理计算机视觉问题的水平
通过阅读本书,读者将学到人工智能的基础概念及 Python编程技能,掌握 PyTorch的使用方法,学到深
度学习相关的理论知识,比如卷积神经网络、循环神经网络、自动编码器,等等。在掌握深度学习理论和
编程技能之后,读者还会学到如何基于 Py Torch深度学习框架实战计算机视觉。本书中的大量实例可让读
者在循序渐进地学习的同时,不断地获得成就感
本书面向对深度学习技术感兴趣、但是相关基础知识较为薄弱或者零基础的读者
未经许可,不得以任何方式复制或抄袭本书之部分或全部内容
版权所有,侵权必究
图书在版编目(C|P)数据
深度学习之 Py Torch实战计算机视觉/唐进民编著.一北京:电子工业出版社,20186
博文视点AI系列)
SBN978-7-121-34144-1
I.①深…Ⅱ.①唐…Ⅲ.①机器学习Ⅳ①TP181
中guo版本图书馆CP数据核字(2018)第088388号
策划编辑:张guo霞
责任编辑:徐津平
印刷:三河市良远印务有限公司
装订
出版发行:电子工业出版社
北京市海淀区万寿路173信箱邮编:100036
开本:787×9801/16印张:17.75字数:370千字
18年6月第1版
印次:2018年6月第1次印刷
印数:2500册定价:79.00元
凡所购买电子工业出版社图书有缺损问题,请向购买书店调换。若书店售缺,请与本社发行部联系
联系及邮购电话 010)882548888825888
质量投诉请发邮件至zts@phei.com.cn,盜版侵权举报请发邮件至dbq@phei.com.cn
本书咨询联系方式010)51260889,faq@phei.com.cn。
仅限非商业用途或学习研究使用
刖
“人工智能”( Artificial Intelligence,简称AI)一词在很久以前就有了,被大众津津乐
道却是近几年的事情,这和机器学习( Machine Learning)、深度学习( Deep Learning)等
技术的崛起有着千丝万缕的联系,而这一切又得益于大数据的发展和计算机处理性能的不
断提升。
本书将带领读者了解人工智能的相关技术和发展近况,通过一些实例来掌握必备的技
能,并能够独立使用相关技术完成对计算机视觉问题的分析和处理。本书各个章节的知识
要点如下
第1章主要介绍人工智能、神经网络和计算机视觉的发展历史,让读者对这一领域有
一个全面的认识。
第2章主要介绍在理解和掌握后面章节的内容时需要用到的数学知识,以及在实战操
作的过程中进行环境搭建及安装相关软件的方法。本书中数学相关的大部分知识都集中在
本章中,其主要目的是让读者先对这个领域的知识产生兴趣,这样才能更好地深入学习和
研究。在本章中不会插入大量的数学公式,这样做会让初学者望而却步,在不断消化公式
的过程中丧失学习兴趣和动力。通过不断实战来学习,可以累积成就感,这种自顶向下的
方式不失为一种更好的学习方法。
第3章主要介绍在学习神经网络的过程中会经常遇到的一些概念和定义。比如后向传
播( Back Propagation)、激活函数( Activation Function)、监督学习( Supervised Learning)
无监督学习( Unsupervised Learning),等等,这也是为之后学习深度神经网络做准备。在
搭建一个完整的深度神经网络模型时,就需要不断地用到本章的内容了。
第4章主要介绍深度神经网络中的卷积神经网络( Convolutional Neural Network,简
称CNN)。首先介绍卷积层、全连接层、池化层等相关内容,之后又列举了目前主流的
些卷积神经网络架构,并对比它们之间的相同点和不同点,以便于掌握不同的卷积神经网
仅限非商业用途或学习研究使用
深度学习之 PyTorch实战计算机视觉
络的结构和技术细节。
第5章主要介绍 Python编程语言的相关知识,目的是让读者掌握 Python语言的语法
定义和使用方式,并使用 Python语言进行功能代码的编写;还会介绍在处理计算机视觉
问题时需要用到的两个重要的 Python包: NumPy和 Matplotlib本章内容丰富,而且 Python
语言自身就很简单且易上手,读者很快就能掌握 Python这门编程语言
第6章主要介绍如何使用 Py Torch深度学习框架。 Py Torch非常简单易用,能够根据
我们的需求快速搭建出我们想要的深度神经网络模型,这在很大程度上归功于 Py Torch基
于动态图计算的特性,它与基于静态图计算的深度学习框架相比,有更多的优势,比如
PyTorch不仅速度快,还有许多功能强大的包可供调用。本章先介绍 PyTorch中常用的包
和类的使用方法;然后介绍如何使用 Py Torch中的一些自动化方法来提升代码的执行效率
和简洁度;最后会通过一个综合实例,使用本章的内容解决一个实际的计算机视觉问题。
第7章一开始就是一个关于计算机视觉问题的实战,介绍了一种非常实用的深度神经
网络复用方法,即迁移学习( Transfer learning)。在掌握迁移学习的原理之后,会基于
Py Torch对迁移学习进行实战,并解决比之前更复杂的计算机视觉问题。对实战代码的解
析会贯穿本章,让读者更深刻地理解代码
第8章讲解如何基于 Py Torch实战图像风格迁移( Neural Style)。通过对本章的学习,
读者会发现,利用卷积神经网络不仅能处理图片分类问题,只要有想法和创意,还能做更
多、更有趣的事情。
第9章介绍一种多模型融合方法,在现有的模型遭遇性能提升瓶颈时,可通过搭建一
种经过科学融合的新模型达到超过预期的泛化能力。本章依然会基于 Py Torch对多模型融
合方法进行实战
第10章介绍一种区别于卷积神经网络的新神经网络结构,即循环神经网络( Recurrent
ural Network,简称RNN)。不同于卷积神经网络强大的图像特征提取能力,循环神经
网络主要用于处理有序输入的数据。为了方便读者理解模型如何对有序数据进行处理,本
章会基于 Py Torch使用循环神经网络来处理一个计算机视觉问题
第11章讲解自动编码器,它是一种使用非监督学习方法的神经网络。自編码器能够
实现很多功能,本章会选取一个图像去噪问题来进行自动编码器实战。
本书前6章的内容可作为后5章的铺垫,前6章的知识偏向基础和理论,不过,只有
掌握了这些内容,才能从容应对后5章的实战。这个循序渐进的过程会让读者对知识的理
仅限非商业用途或学习研究使用
|
|
