返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • [正版]PyTorch神经网络实战:移动端图像处理
  • 正版图书 品质保障
    • 作者: 无著
    • 出版社: 机械工业出版社
    • 出版时间:2022-06
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    友一个图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 无著
    • 出版社:机械工业出版社
    • 出版时间:2022-06
    • ISBN:9787443461071
    • 版权提供:机械工业出版社

             店铺公告

      为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。

    温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),

    关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。

      本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!

    1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!

    2.店铺无纸质均开具电子,请联系客服开具电子版

     


    基本信息
    商品名称:PyTorch神经网络实战:移动端图像处理开本:16开
    作者:丛晓峰 彭程威 章军页数:
    定价:99出版时间:2022-06-01
    ISBN号:9787111705284 印刷时间:2022-06-01
    出版社:机械工业版次:1
    商品类型:图书印次:1
    作者简介:
    丛晓峰,东南大学博士研究生。在2020年度高通(中国)和CSDN等联合举办的AI创新大赛中获得终端侧人工智能创新奖(金奖)。在知乎平台长期撰写人工智能领域的文章,浏览量超过300万,地址为http://www.zhihu.com/people/liu-de-hua-79-91。
         彭程威,武汉大学硕士,获 届(2019年)中国研究生人工智能创新大赛一等奖。主攻计算机视觉方向,曾在美团、Intel等公司从事深度学习相关的研发工作,现任腾讯算法研究员,拥有将人工智能技术落地的一线经验。
         章军,中国科学技术大学博士,安徽大学教授,博导。近年在 外重要学术刊物与 会议上发表SCI、EI收录论文40余篇;发表论文中*高他引300余次;主持完成 自然科学基金项目2项, 留学基金项目1项;担任多家 杂志期刊审稿人。
    内容提要:
    PyTorch神经网络实战:移动端图像处理主要介绍人工智能研究领域中神经网络的PyTorch架构,对其在多个领域的应用进行系统性的归纳和梳理。书中的案例有风景图分类、人像前景背景分割、低光照图像增法、动漫头像生成、画风迁移、风格转换等,对每项视觉任务的研究背景、应用价值、算法原理、代码实现和移动端部署流程进行了详细描述,并提供相应的源码,适合读者从0到1构建移动端智能应用。
         PyTorch神经网络实战:移动端图像处理适合对人工智能实际应用感兴趣的本科生、研究生、深度学习算法工程师、计算机视觉从业人员和人工智能爱好者阅读,书中介绍的各项视觉任务均含有相应的安卓平台部署案例,不仅对学生参加比赛、课程设计具有参考意义,对相关从业人员的软件架构和研发也具有启发价值。

    ......

    目录:
    前言
    第1章 人工智能与深度学习/
    1.1人工智能简介/
    1.1.1人工智能的概念/
    1.1.2人工智能的历史/
    1.1.3人工智能与深度学习的关系/
    1.1.4深度学习的应用/
    1.2深度学习理论基础/
    1.2.1全连接层/
    1.2.2卷积层/
    1.2.3池化层/
    1.2.4激活层/
    1.2.5批归一化层/
    1.2.6随机失活/
    1.2.7损失函数/
    1.2.8反向传播/
    1.3深度学习实践细节/
    1.3.1硬件选择/
    1.3.2超参数设定/
    1.3.3网络参数初始化/
    1.4本章小结/
    第2章 PyTorch指南/
    2.1安装与测试/
    2.1.1安装PyTorch和torchvision/
    2.1.2显卡测试/
    2.1.3CPU和GPU切换/
    2.2核心模块/
    2.3模型构建流程图/
    2.4张量Tensor/
    2.4.1数值类型/
    2.4.2创建方法/
    2.4.3类型转换/
    2.4.4维度分析/
    2.4.5常用操作/
    2.5数据读取与预处理/
    2.5.1图像读取与存储/
    2.5.2调用PyTorch官方数据集/
    2.5.3ImageFolder/
    2.5.4图像处理torchvision.transforms/
    2.5.5数据读取类Dataset/
    2.5.6DataLoader的创建和遍历/
    2.5.7数据增强/
    2.6nn模块与网络构建/
    2.6.1卷积模块的使用/
    2.6.2批归一化层/
    2.6.3池化层/
    2.6.4全连接层/
    2.6.5常用激活函数/
    2.6.6边缘填充/
    2.6.7Dropout层/
    2.6.8损失函数层/
    2.6.9模块组合Sequential/
    2.6.10网络构建实例/
    2.7train与eval模式/
    2.8优化器选择与绑定/
    2.9自动求导机制与计算图/
    2.9.1requires_grad/
    2.9.2自动求导backward/
    2.9.3叶子节点is_leaf/
    2.9.4梯度函数grad_fn/
    2.9.5计算图分离detach/
    2.9.6图保持retain_graph/
    2.9.7关闭梯度计算no_grad/
    2.10模型保存与加载/
    2.10.1模型文件的保存/
    2.10.2模型文件的加载/
    2.10.3联合保存与加载/
    2.10.4保存与加载多个网络模型/
    2.11模型设计和实现的完整流程/
    2.11.1参数定义/
    2.11.2准备数据、定义存储结果的容器/
    2.11.3定义自编码网络/
    2.11.4定义优化器与损失函数/
    2.11.5训练模型/
    2.11.6效果分析/
    2.12网络结构可视化/
    2.13拓展阅读/
    2.13.1学习率调整策略/
    2.13.2获取网络的命名参数/
    2.13.3参数初始化/
    2.14本章小结/
    第3章Android应用构建/
    3.1Android Studio安装与项目构建/
    3.1.1Android Studio的下载和安装/
    3.1.2创建Android项目/
    3.2Manifest文件/
    3.3界面布局/
    3.4项目主活动与App启动/
    3.5资源文件/
    3.5.1颜色定义文件/
    3.5.2字符串定义文件/
    3.5.3形状定义文件/
    3.5.4图像文件/
    3.6核心控件使用/
    3.6.1展示文字/
    3.6.2展示图像/
    3.6.3按钮和监听机制/
    3.7相机、相册和图像保存/
    3.8生成APK/
    3.8.1自定义APK图标与名称/
    3.8.2创建发布版APK/
    3.9Bitmap格式/
    3.10部署库下载/
    3.11移动端神经网络实例/
    3.11.1定义神经网络/
    3.11.2Python端导出pt文件/
    3.11.3将pt文件移入Android开发环境/
    3.11.4在Java代码中加载神经网络模型/
    3.11.5读取图像并进行缩放/
    3.11.6构建输入张量/
    3.11.7进行前向推理/
    3.11.8处理输出结果/
    3.11.9界面设计/
    3.11.10完整代码与界面效果/
    3.12本章小结/
    第4章图像分类/
    4.1图像分类概述/
    4.2MobileNet介绍/
    4.3深度可分离卷积/
    4.4MobileNet V1/
    4.4.1网络结构/
    4.4.2网络搭建/
    4.5MobileNet V2/
    4.5.1网络结构/
    4.5.2网络搭建/
    4.6数据处理/
    4.6.1数据介绍/
    4.6.2Kaggle API介绍/
    4.6.3数据处理/
    4.7模型训练/
    4.8图像分类App/
    4.8.1分类功能界面设计/
    4.8.2分类推理与解析/
    4.9本章小结/
    第5章 图像分割/
    5.1前景背景与人像分割/
    5.2图像分割网络/
    5.2.1FCN/
    5.2.2UNet/
    5.2.3分割损失函数/
    5.3分割数据集构建与读取/
    5.3.1标注工具介绍/
    5.3.2分割数据集下载/
    5.3.3成对图像读取与数据增强/
    5.4分割网络的训练与验证/
    5.4.1项目构建与超参数设置/
    5.4.2分割网络训练/
    5.4.3分割损失函数收敛性分析/
    5.4.4人像分割测试/
    5.5人像分割App/
    5.5.1分割功能界面设计/
    5.5.2获取掩码与前景图像应用/
    5.6本章小结/
    第6章 低光照图像质量增强/
    6.1伽马变换与低光照图像/
    6.2场景分析与像素直方图/
    6.3增强算法LLCNN/
    6.3.1残差暗光增强网络/
    6.3.2增强网络实现/
    6.3.3增强损失函数/
    6.4数据集构建和下载/
    6.5增强网络训练与验证/
    6.5.1项目构建/
    6.5.2增强网络训练/
    6.5.3像素级损失函数收敛分析/
    6.5.4增强算法能力验证/
    6.6低光照图像增强App/
    6.6.1功能设定与界面设计/
    6.6.2模型前向推理/
    6.7本章小结/
    第7章 GAN动漫人脸生成/
    7.1GAN动漫人脸生成概述/
    7.2深度卷积对抗网络DCGAN/
    7.2.1生成器/
    7.2.2判别器/
    7.2.3损失函数/
    7.2.4生成器搭建/
    7.2.5判别器搭建/
    7.2.6训练代码/
    7.3条件式对抗网络CGAN/
    7.3.1CGAN原理/
    7.3.2CGAN实现/
    7.4辅助分类对抗网络ACGAN/
    7.4.1ACGAN原理/
    7.4.2ACGAN实现/
    7.5动漫头像生成App/
    7.5.1头像生成界面设计/
    7.5.2数据生成与解析/
    7.6拓展阅读/
    7.7本章小结/
    第8章 图像风格迁移/
    8.1风格迁移概述/
    8.2风格迁移网络/
    8.2.1基础原理/
    8.2.2内容特征/
    8.2.3风格特征/
    8.2.4重构网络/
    8.2.5风格迁移代码实现/
    8.3快速风格迁移/
    8.3.1生成网络/
    8.3.2损失网络/
    8.3.3快速风格迁移代码实现/
    8.4图像风格化App/
    8.4.1风格化功能界面设计/
    8.4.2三种风格的生成与解析/
    8.5本章小结/
    第9章 无监督风格互换/
    9.1成对数据与不成对数据/
    9.2cycleGAN原理与实现/
    9.2.1无监督设计原理/
    9.2.2对称生成器与判别器的设计及实现/
    9.2.3对抗性损失和循环一致性损失/
    9.3两种风格数据集的构建与读取/
    9.3.1数据集获取/
    9.3.2数据读取/
    9.4无监督训练与验证/
    9.4.1项目构建/
    9.4.2无监督cycleGAN训练/
    9.4.3风格转换验证/
    9.5水果风格互换应用/
    9.5.1水果风格转换界面设计/
    9.5.2两种风格模型的前向推理/
    9.6本章小结/

    ......

    精 彩 页:
    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购