幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

深度學習與飛槳PaddlePaddle Fluid實戰/深度學習系列

  • 作者：于祥
  • 出版社：人民郵電
  • ISBN：9787115519641
  • 出版日期：2019/12/01
  • 裝幀：平裝
  • 頁數：402
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    飛槳PaddlePaddle Fluid是百度推出的深度學習框架，不僅支撐了百度公司的很多業務和應用，而且隨著其開源過程的推進，在很多行業得到普及、應用和關注。
    本書基於最新的飛槳PaddlePaddle Fluid版本，以真實的應用案例介紹如何用飛槳PaddlePaddle解決主流的深度學習問題。全書共14章。本書首先介紹了什麼是飛槳。PaddlePaddle，然後介紹了其核心設計思想，進而緊緊結合案例介紹了飛槳PaddlePaddle在主流的圖像任務領域、NLP領域的應用，最後還探討了Paddle-Mobile與Anakin框架等高級主題。附錄A和B給出了飛槳：PaddlePaddle與TensorFlow、Caffe框架的介面中常用層的對比。
    本書非常適合對人工智慧感興趣的學生、從事機器學習相關工作的讀者閱讀，尤其適合想要通過飛槳PaddlePaddle掌握深度學習應用技術的研究者和從業者參考。
作者介紹
于祥
    于祥， 百度PaddlePaddle技術運營。2015年開始研究神經網路技術，早期從事基於深度學習的身份認證技術研發，曾負責上海智慧城市項目和華潤集團項目的演算法支持，曾獲得ACM-ICPC與CCCC-GPLT銀獎。
目錄
第1章  飛槳PaddlePaddle簡介與AI Studio的使用
  1.1  飛槳PaddlePaddle簡介
  1.2  飛槳PaddlePaddle的工具組件
    1.2.1  PaddleHub—簡明易用的預訓練模型管理框架
    1.2.2  PARL—基於飛槳PaddlePaddle的深度強化學習框架
    1.2.3  AutoDL Design—讓深度學習來設計深度學習
    1.2.4  VisualDL—深度學習可視化工具庫
    1.2.5  模型轉換工具X2Paddle
  1.3  飛槳PaddlePaddle在百度內部支持的案例
  1.4  飛槳PaddlePaddle與TensorFlow的對比
  1.5  AI Studio簡介
  1.6  在AI Studio中創建項目
    1.6.1  用戶界面簡介
    1.6.2  創建並運行一個項目
  1.7  AI Studio單機項目概述
    1.7.1  頁面概覽
    1.7.2  複製項目
    1.7.3  VisualDL工具的使用
  1.8  Notebook環境使用說明
    1.8.1  Notebook頁面概覽
    1.8.2  操作區
    1.8.3  Notebook內容編輯區
    1.8.4  側邊欄
    1.8.5  工具欄
  1.9  AI Studio集群項目
    1.9.1  集群項目說明
    1.9.2  創建集群項目
    1.9.3  頁面概覽
    1.9.4  代碼編輯界面
    1.9.5  文件管理和數據集區域
    1.9.6  文件預覽編輯和提交任務區域
    1.9.7  PaddlePaddle集群訓練說明
    1.9.8  數據集與輸出文件路徑說明
    1.9.9  提交任務
    1.9.10  歷史任務
    1.9.11  預安裝包說明
  1.10  在線部署及預測
    1.10.1  功能說明
    1.10.2  通過訓練任務生成模型文件
    1.10.3  創建一個在線服務
    1.10.4  測試沙盒服務
    1.10.5  部署在線服務
    1.10.6  調用在線服務
  1.11  NumPy常規操作及使用
第2章  PaddlePaddle Fluid的環境搭建與安裝
  2.1  在Linux系統中安裝PaddlePaddle
    2.1.1  租用百度BCC雲伺服器
    2.1.2  安裝前的準備工作
    2.1.3  通過pip安裝PaddlePaddle
    2.1.4  在Docker中安裝PaddlePaddle

  2.2  在Windows系統中安裝PaddlePaddle
    2.2.1  Windows GPU驅動環境安裝
    2.2.2  下載並安裝CUDA
    2.2.3  安裝cuDNN
    2.2.4  安裝PaddlePaddle
  2.3  在macOS系統中安裝PaddlePaddle
    2.3.1  安裝Python
    2.3.2  安裝PaddlePaddle
第3章  PaddlePaddle深度學習入門—在MNIST上進行手寫數字識別
  3.1  引言
  3.2  模型概覽
    3.2.1  Softmax回歸模型
    3.2.2  多層感知器
    3.2.3  卷積神經網路
  3.3  數據介紹
  3.4  PaddlePaddle的程序配置過程
    3.4.1  程序說明
    3.4.2  配置inference_program
    3.4.3  配置train_program
    3.4.4  配置optimizer_program
    3.4.5  配置數據集reader
  3.5  構建訓練過程
    3.5.1  事件處理程序配置
    3.5.2  開始訓練
  3.6  應用模型
    3.6.1  生成待預測的輸入數據
    3.6.2  Inference創建及預測
    3.6.3  預測結果
  3.7  小結
第4章  PaddlePaddle設計思想與核心技術
  4.1  編譯時與運行時的概念
  4.2  Fluid內部執行流程
  4.3  Program設計簡介
  4.4  Block簡介
  4.5  Block和Program的設計細節
  4.6  框架執行器設計思想
    4.6.1  代碼示例
    4.6.2  創建框架執行器
    4.6.3  運行框架執行器
  4.7  示例
    4.7.1  定義Program
    4.7.2  創建框架執行器
    4.7.3  運行框架執行器
  4.8  LoD Tensor數據結構解讀
    4.8.1  LoD索引
    4.8.2  LoD Tensor在PaddlePaddle中的表示方法
    4.8.3  LoD Tensor的API
    4.8.4  LoD Tensor的使用示例
  4.9  動態圖機制——DyGraph
    4.9.1  動態圖設置和基本用法

    4.9.2  基於DyGraph構建網路
    4.9.3  使用DyGraph訓練模型
    4.9.4  模型參數的保存
    4.9.5  模型評估
    4.9.6  編寫兼容的模型
第5章  獨孤九劍—經典圖像分類網路實現
  5.1  圖像分類網路現狀
  5.2  VGG16圖像分類任務
    5.2.1  定義網路結構
    5.2.2  定義推理程序
    5.2.3  定義訓練程序
    5.2.4  實例化訓練對象
    5.2.5  讀取數據
    5.2.6  編寫事件處理程序並啟動訓練
    5.2.7  執行模型預測
  5.3  模塊化設計GoogleNet
  5.4  Alexnet模型實現
  5.5  Resnet模型實現
  5.6  MobileNet V2模型實現
  5.7  ShuffleNet V2模型實現
第6章  「天網」系統基礎—目標檢測
  6.1  目標檢測簡介
  6.2  對R-CNN系列演算法的探索歷史
    6.2.1  R-CNN演算法：目標檢測開山之作
    6.2.2  SPP網路
    6.2.3  Fast R-CNN
    6.2.4  Faster R-CNN
  6.3  單步目標檢測演算法
    6.3.1  統一檢測演算法YOLO
    6.3.2  SSD基本原理
    6.3.3  SSD在訓練時的匹配策略
    6.3.4  使用PaddlePaddle實現SSD網路
  6.4  PyramidBox
    6.4.1  提出PyramidBox方法的背景
    6.4.2  PyramidBox網路結構
    6.4.3  PyramidBox的創新點
    6.4.4  PyramidBox的PaddlePaddle官方實現
第7章  「天網」系統進階—像素級物體分割
  7.1  物體分割簡介
  7.2  語義分割與實例分割的關係
  7.3  語義分割
    7.3.1  語義分割的任務描述
    7.3.2  全卷積網路
    7.3.3  ParseNet
    7.3.4  u-net
    7.3.5  v-net
    7.3.6  u-net變體網路
    7.3.7  PSPNet
    7.3.8  ICNet
    7.3.9  DeepLab v3+

  7.4  實例分割
    7.4.1  實例分割概述
    7.4.2  Mask R-CNN
第8章  從零開始了解NLP技術—word2vec
  8.1  初識NLP
  8.2  詞向量簡介
  8.3  如何得到詞向量模型
  8.4  詞向量模型概覽
    8.4.1  語言模型
    8.4.2  N-Gram模型
    8.4.3  CBOW模型
    8.4.4  Skip-Gram
    8.4.5  詞ID
  8.5  通過PaddlePaddle訓練CBOW模型
    8.5.1  CBOW模型訓練過程
    8.5.2  數據預處理
    8.5.3  編程實現
    8.5.4  模型應用
  8.6  小結
第9章  feed流最懂你—個性化推薦
  9.1  引言
  9.2  推薦網路模型設計
    9.2.1  YouTube的深度神經網路個性化推薦系統
    9.2.2  融合推薦模型
  9.3  電影推薦實驗
    9.3.1  數據介紹與下載
    9.3.2  模型配置說明
    9.3.3  訓練模型
    9.3.4  應用模型
  9.4  小結
第10章  讓機器讀懂你的心—情感分析技術
  10.1  情感分析及其作用
  10.2  模型設計
  10.3  情感分析實驗
第11章  NLP技術深入理解—語義角色標注
  11.1  引言
  11.2  模型概覽
    11.2.1  棧式循環神經網路
    11.2.2  雙向循環神經單元
    11.2.3  條件隨機場
    11.2.4  深度雙向LSTM SRL模型
  11.3  使用PaddlePaddle實現SRL任務
    11.3.1  數據預處理
    11.3.2  進行PaddlePaddle實驗
  11.4  小結
第12章  NLP技術的應用—機器翻譯
  12.1  引言
  12.2  效果展示
  12.3  模型概覽
    12.3.1  時間步展開的雙向循環神經網路

    12.3.2  編碼器-解碼器框架
    12.3.3  柱搜索演算法
  12.4  機器翻譯實戰
    12.4.1  數據預處理
    12.4.2  模型配置
    12.4.3  訓練模型
    12.4.4  應用模型
第13章  PaddlePaddle移動端及嵌入式框架—Paddle-Mobile
  13.1  Paddle-Mobile簡介
  13.2  Paddle-Mobile優化與適配
    13.2.1  包壓縮
    13.2.2  工程結構編碼前重新設計
  13.3  移動端主體識別和分類
    13.3.1  完全在雲端的神經網路技術應用
    13.3.2  移動端業界案例
    13.3.3  在移動端應用深度學習技術的難點
    13.3.4  AR實時翻譯問題的解決方案
  13.4  編譯與開發Paddle-Mobile平台庫
  13.5  開發一個基於移動端深度學習框架的Android APP
  13.6  Paddle-Mobile設計思想
第14章  百度開源高速推理引擎——Anakin
  14.1  Anakin架構與性能
  14.2  Anakin的特性
    14.2.1  支持眾多異構平台
    14.2.2  高性能
    14.2.3  彙編級的kernel優化
    14.2.4  Anakin值得一提的技術亮點
  14.3  Anakin的使用方法
    14.3.1  Anakin的工作原理
    14.3.2  Anakin v2.0API
  14.4  示常式序
附錄A  TensorFlow與PaddlePaddle Fluid介面中常用層對照表
附錄B  Caffe與PaddlePaddle Fluid介面中常用層對照表

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032