深度學習實戰(zhàn)之PaddlePaddle

定　價：￥69.00

作　者：	潘志宏，王培彬，萬智萍，邱澤敏著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥69.00)

ISBN：	9787115503329	出版時間：	2019-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	272	字數(shù)：

內(nèi)容簡介

　　內(nèi) 容提要本書全面講解了深度學習框架PaddlePaddle，并結合典型案例，闡述了PaddlePaddle的具體應用。本書共15章。第 1 章介紹了深度學習及其主流框架；第2章介紹了幾種不同的PaddlePaddle安裝方式；第3章使用MNIST數(shù)據(jù)集實現(xiàn)手寫數(shù)字識別；第4章介紹CIFAR彩色圖像識別；第5章介紹了自定義數(shù)據(jù)集的識別；第6章介紹了驗證碼的識別；第7章介紹了場景文字的識別；第8章實現(xiàn)了驗證碼的端到端的識別；第9～11章講解了車牌識別、使用SSD神經(jīng)網(wǎng)絡完成目標檢測；第12章和第13章介紹了Fluid、可視化工具VisualDL；第 14 章和第 15 章介紹了如何在服務器端與Android移動終端使用PaddlePaddle進行項目實踐。本書適合機器學習愛好者、程序員、人工智能方面的從業(yè)人員閱讀，也可以作為大專院校相關專業(yè)的師生用書和培訓學校的教材。

作者簡介

　　潘志宏，工程師，ACM會員、CCF會員。研究興趣：機器學習（深度學習）、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)。主持和參與省市級、校級項目10余項，發(fā)表論文16篇，其中EI、北大核心期刊10篇，作者論文獲得北大核心期刊論文、東莞市計算機學會論文。申請發(fā)明專利、實用新型專利共6項，其中獲得軟件著作權3項，已出版教材2部。指導學生獲得省級/市級競賽獎項40余項，多次獲得省級指導教師獎。王培彬，網(wǎng)名夜雨飄零，多次在省市級學科競賽獲獎，獲得軟件著作權4項，百度PaddlePaddle深度學習框架社區(qū)的騎士團成員，主要研究方向為計算機視覺。在CSDN博客編寫我的PaddlePaddle學習之路系列文章，并在GitHub開源相關代碼，并得到廣泛的認可。萬智萍，研究興趣：機器學習（深度學習）、物聯(lián)網(wǎng)、無線傳感器網(wǎng)絡，認知無線電，網(wǎng)絡安全。主持和參與省市級、校級項目23余項，發(fā)表論文45篇，獨撰發(fā)表論文32篇，其中中文核心期刊有22篇，CPCI檢索4篇，獲得實用新型專利12項，獲得軟件著作權1項，已出版教材2部。指導學生獲獎共29項，獲得組織先進個人獎。邱澤敏，系統(tǒng)架構設計師。在機器學習、智能算法等領域有較多的理論和實踐工作積累，在國內(nèi)外期刊及會議發(fā)表論文10余篇，主持及作為核心人員參與各類省市、校級科研教改項目共6項，實用新型專利1項，軟件著作權1項。

圖書目錄

目　錄

第　1章深度學習　1
1．1　引言　1
1．2　深度學習框架簡介　1
1．3　數(shù)學基礎知識　3
1．3．1　線性代數(shù)相關知識　3
1．3．2　概率論相關知識　10
1．3．3　導數(shù)相關知識　13
1．4　簡單的深度學習理論知識　14
1．5　小結　19
第　2章 PaddlePaddle的安裝　20
2．1　引言　20
2．2　計算機配置　20
2．3　安裝前的檢查　20
2．4　使用pip安裝　21
2．5　使用Docker安裝　23
2．6　從源碼編譯并生成安裝包　25
2．6．1　在本地編譯并生成安裝包　25
2．6．2　在Docker中編譯并生成
安裝包　28
2．7　編譯Docker鏡像　29
2．8　在Windows操作系統(tǒng)中安裝
PaddlePaddle的方法　30
2．8．1　在Windows系統(tǒng)中安裝
Docker容器　30
2．8．2　在Windows系統(tǒng)中
安裝Ubuntu　35
2．8．3　在Windows 10中安裝Linux
子系統(tǒng)　41
2．9　測試安裝效果　43
2．10　小結　45
第3章　使用MNIST數(shù)據(jù)集實現(xiàn)手寫
數(shù)字識別　46
3．1　引言　46
3．2　數(shù)據(jù)集　46
3．3　定義神經(jīng)網(wǎng)絡模型　47
3．4　開始訓練模型　50
3．4．1　導入依賴包　50
3．4．2　初始化Paddle　51
3．4．3　獲取訓練器　51
3．4．4　開始訓練　52
3．5　使用參數(shù)預測　54
3．5．1　初始化PaddlePaddle　54
3．5．2　獲取訓練好的參數(shù)　54
3．5．3　讀取圖片　54
3．5．4　開始預測　55
3．6　小結　56
第4章　CIFAR數(shù)據(jù)集中彩色圖像的
識別　57
4．1　引言　57
4．2　數(shù)據(jù)集　57
4．3　定義神經(jīng)網(wǎng)絡模型　59
4．4　開始訓練模型　61
4．4．1　導入依賴包　62
4．4．2　初始化Paddle　62
4．4．3　獲取參數(shù)　62
4．4．4　創(chuàng)建訓練器　63
4．4．5　開始訓練　64
4．5　使用參數(shù)預測　67
4．6　使用其他神經(jīng)模型　69
4．7　小結　70
第5章　自定義圖像數(shù)據(jù)集的識別　72
5．1　引言　72
5．2　網(wǎng)絡爬蟲技術　72
5．2．1　網(wǎng)絡爬蟲的整體框架　72
5．2．2　URL管理器　74
5．2．3　網(wǎng)頁下載器　75
5．2．4　網(wǎng)頁解析器　76
5．3　網(wǎng)絡爬蟲實例　77
5．3．1　調(diào)度器的使用　79
5．3．2　URL管理器的使用　80
5．3．3　網(wǎng)頁下載器的使用　81
5．3．4　網(wǎng)頁解析器的使用　82
5．3．5　數(shù)據(jù)收集器的使用　83
5．3．6　運行代碼　84
5．4　數(shù)據(jù)集　88
5．4．1　生成圖像列表　89
5．4．2　讀取數(shù)據(jù)　92
5．5　定義神經(jīng)網(wǎng)絡　96
5．6　使用PaddlePaddle開始訓練　97
5．6．1　創(chuàng)建訓練器　98
5．6．2　開始訓練　99
5．7　使用PaddlePaddle預測　102
5．8　小結　104
第6章　驗證碼的識別　105
6．1　引言　105
6．2　數(shù)據(jù)集的獲取　105
6．2．1　下載驗證碼　106
6．2．2　修改驗證碼的文件名　107
6．2．3　裁剪驗證碼　108
6．2．4　生成圖像列表　110
6．3　讀取數(shù)據(jù)　111
6．4　使用PaddlePaddle開始訓練　112
6．5　使用PaddlePaddle預測　118
6．5．1　裁剪驗證碼　118
6．5．2　預測圖像　119
6．5．3　標簽轉(zhuǎn)成字符　120
6．6　小結　121
第7章　場景文字識別　122
7．1　引言　122
7．2　數(shù)據(jù)集　122
7．3　定義神經(jīng)網(wǎng)絡模型　123
7．4　數(shù)據(jù)的讀取　128
7．4．1　讀取圖像列表　128
7．4．2　生成標簽字典　129
7．4．3　讀取訓練數(shù)據(jù)　131
7．5　訓練模型　133
7．5．1　訓練準備　133
7．5．2　安裝libwarpctc．so庫　135
7．5．3　開始訓練　136
7．6　開始預測　137
7．7　小結　140
第8章　驗證碼端到端的識別　141
8．1　引言　141
8．2　數(shù)據(jù)集　141
8．3　生成圖像列表文件　143
8．4　數(shù)據(jù)的讀取　144
8．4．1　讀取數(shù)據(jù)并存儲成列表　144
8．4．2　生成和讀取標簽字典　145
8．4．3　讀取訓練和測試的數(shù)據(jù)　146
8．5　定義網(wǎng)絡模型　147
8．6　生成訓練器　150
8．7　定義訓練　151
8．8　啟動訓練　152
8．9　開始預測　153
8．10　小結　156
第9章　車牌端到端的識別　157
9．1　引言　157
9．2　車牌數(shù)據(jù)的采集　157
9．2．1　車牌數(shù)據(jù)的下載　157
9．2．2　命名車牌圖像　159
9．2．3　車牌定位　159
9．2．4　灰度化圖像　163
9．3　數(shù)據(jù)的讀取　164
9．3．1　生成列表文件　164
9．3．2　以列表方式讀取數(shù)據(jù)　165
9．3．3　生成和讀取標簽字典　166
9．3．4　訓練數(shù)據(jù)和測試數(shù)據(jù)的
讀取　167
9．4　定義神經(jīng)網(wǎng)絡　169
9．5　開始訓練　171
9．6　開始預測　173
9．7　小結　176
第　10章使用VOC數(shù)據(jù)集實現(xiàn)目標
檢測　177
10．1　引言　177
10．2　VOC數(shù)據(jù)集　177
10．2．1　下載VOC數(shù)據(jù)集　178
10．2．2　生成圖像列表　179
10．3　數(shù)據(jù)預處理　180
10．4　SSD神經(jīng)網(wǎng)絡　182
10．5　訓練模型　186
10．6　評估模型　189
10．7　預測數(shù)據(jù)　191
10．7．1　預測并保存預測
結果　191
10．7．2　顯示畫出的框　193
10．8　小結　195
第　11章通過自定義圖像數(shù)據(jù)集實現(xiàn)
目標檢測　196
11．1　引言　196
11．2　數(shù)據(jù)集　196
11．2．1　下載車牌數(shù)據(jù)　196
11．2．2　重命名圖像　197
11．3　標注數(shù)據(jù)集　198
11．3．1　安裝LabelImg　198
11．3．2　使用LabelImg　198
11．3．3　生成圖像列表　201
11．4　訓練模型　202
11．4．1　預訓練模型處理　202
11．4．2　開始訓練　203
11．5　評估模型　204
11．6　預測圖片　205
11．6．1　獲取預測結果　205
11．6．2　顯示預測結果　206
11．7　小結　208
第　12章使用PaddlePaddle Fluid　209
12．1　引言　209
12．2　Fluid版本　209
12．3　定義神經(jīng)網(wǎng)絡　210
12．4　訓練程序　212
12．4．1　定義數(shù)據(jù)　213
12．4．2　定義平均正確率　213
12．4．3　定義測試程序　213
12．4．4　定義優(yōu)化方法　214
12．5　訓練模型　214
12．5．1　定義調(diào)試器　215
12．5．2　獲取數(shù)據(jù)　215
12．5．3　開始訓練　216
12．5．4　保存預測模型　217
12．6　預測模型　217
12．7　小結　219
第　13章可視化工具VisualDL的
使用　220
13．1　引言　220
13．2　VisualDL的介紹　220
13．3　VisualDL的安裝　222
13．3．1　使用pip安裝　223
13．3．2　使用源碼安裝　224
13．4　簡單使用VisualDL　224
13．5　在PaddlePaddle中使用
VisualDL　226
13．5．1　定義VisualDL
組件　226
13．5．2　編寫PaddlePaddle
代碼　227
13．5．3　把數(shù)據(jù)添加到
VisualDL中　229
13．6　小結　232
第　14章把PaddlePaddle部署到網(wǎng)站
服務器上　233
14．1　引言　233
14．2　開發(fā)環(huán)境　233
14．3　Flask的使用　234
14．3．1　安裝Flask　234
14．3．2　測試Flask框架是否安裝
成功　234
14．3．3　文件上傳　235
14．4　使用PaddlePaddle預測　237
14．4．1　獲取預測模型　237
14．4．2　部署PaddlePaddle　238
14．5　小結　242
第　15章把PaddlePaddle應用到
Android手機　244
15．1　引言　244
15．2　編譯PaddlePaddle庫　244
15．2．1　使用Docker編譯
PaddlePaddle庫　244
15．2．2　使用Linux編譯
PaddlePaddle庫　247
15．3　MobileNet神經(jīng)網(wǎng)絡　250
15．4　訓練模型　254
15．5　編寫預測代碼　258
15．6　合并模型　261
15．7　移植到Android　262
15．7．1　加載PaddlePaddle庫　262
15．7．2　加載合并的模型　263
15．7．3　開發(fā)Android程序　263
15．8　小結　272