999久久久免费视频播放网站 ,一级午夜高清日本视频,91中文在线

內(nèi)容簡(jiǎn)介

　　本書介紹了深度學(xué)習(xí)的歷史、學(xué)習(xí)深度學(xué)習(xí)模型所需要的數(shù)學(xué)基礎(chǔ)、深度學(xué)習(xí)模型的基本組成和常用深度學(xué)習(xí)模型的應(yīng)用。本書共12章，～5章介紹深度學(xué)習(xí)基礎(chǔ)、深度學(xué)習(xí)環(huán)境的安裝與使用、神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)基礎(chǔ)、搭建一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)、模型評(píng)估及模型調(diào)優(yōu)等，第6～12章介紹VGG網(wǎng)絡(luò)實(shí)現(xiàn)貓狗識(shí)別、ResNet實(shí)現(xiàn)手勢(shì)識(shí)別、搭建MobileNet實(shí)現(xiàn)電表編碼區(qū)域檢測(cè)、FCN實(shí)現(xiàn)斑馬線分割、基于U-Net的工業(yè)缺陷檢測(cè)、GAN圖像生成、ACGAN生成帶標(biāo)簽圖片等多個(gè)綜合實(shí)例，通過(guò)在實(shí)踐中融入理論，幫助讀者掌握深度學(xué)習(xí)的概念和應(yīng)用開發(fā)。本書可以作為高職高專院校人工智能相關(guān)專業(yè)的教材，也可以作為人工智能領(lǐng)域相關(guān)培訓(xùn)教材，并適合想入門深度學(xué)習(xí)的人員和廣大人工智能愛好者自學(xué)使用。

作者簡(jiǎn)介

暫缺《深度學(xué)習(xí)與圖像處理實(shí)戰(zhàn)》作者簡(jiǎn)介

圖書目錄

第1章深度學(xué)習(xí)基礎(chǔ)
1.1 深度學(xué)習(xí)的定義
1.2 深度學(xué)習(xí)的特點(diǎn)
1.3 深度學(xué)習(xí)的歷史
1.3.1 深度學(xué)習(xí)的起源
1.3.2 深度學(xué)習(xí)的發(fā)展
1.3.3 深度學(xué)習(xí)的爆發(fā)
1.4 深度神經(jīng)網(wǎng)絡(luò)概述
1.4.1 VGGNet
1.4.2 GoogLeNet
1.4.3 ResNet
1.4.4 FCN
1.4.5 U-Net
1.4.6 Mask R-CNN
1.4.7 YOLO
1.5 深度學(xué)習(xí)的應(yīng)用
1.5.1 圖像領(lǐng)域
1.5.2 聲音領(lǐng)域
1.5.3 文本領(lǐng)域
1.6 深度學(xué)習(xí)的未來(lái)趨勢(shì)
本章小結(jié)
第2章深度學(xué)習(xí)環(huán)境的安裝與使用
2.1 Anaconda的安裝與使用
2.1.1 Anaconda簡(jiǎn)介
2.1.2 Anaconda的安裝
2.1.3 conda簡(jiǎn)介
2.2 TensorFlow環(huán)境搭建與使用
2.2.1 安裝TensorFlow CPU版本
2.2.2 安裝TensorFlow GPU版本
2.2.3 PyCharm的安裝
2.2.4 PyCharm的使用
2.2.5 TensorFlow的使用
2.3 Keras簡(jiǎn)介與使用
2.3.1 Keras的意義
2.3.2 Keras的設(shè)計(jì)原則
2.3.3 Keras的工作方式
2.3.4 Keras快速上手
2.3.5 Keras簡(jiǎn)單實(shí)例
本章小結(jié)
第3章神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)基礎(chǔ)
3.1 矩陣
3.1.1 矩陣定義
3.1.2 矩陣加法
3.1.3 矩陣乘法
3.1.4 矩陣的轉(zhuǎn)置
3.1.5 矩陣的逆
3.2 隨機(jī)變量及概率分布
3.2.1 隨機(jī)變量定義
3.2.2 離散型隨機(jī)變量的概率分布
3.2.3 連續(xù)型隨機(jī)變量及其概率密度函數(shù)