由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]深度学习算法与实践郝晓莉,王昌利,侯亚丽,景辉9787
¥ ×1
第1章 深度学习基础
1.1 人工智能概述
1.1.1 人工智能在各领域中的应用
1.1.2 人工智能、机器学习和深度学习
1.2 深度学习的基本原理
1.2.1 神经元
1.2.2 人工神经网络
1.2.3 反向传播算法
1.2.4 神经网络的数据结构——张量
1.3 卷积神经网络
1.3.1 卷积层
1.3.2 池化层
1.3.3 归一化层
1.3.4 全连接层
1.3.5 Softmax函数
1.3.6 损失函数
1.3.7 卷积神经网络的特点
1.3.8 卷积神经网络的发展
1.4 迁移学习
1.5 模型训练超参数
1.6 深度学习在计算机视觉中的典型应用
1.7 数据集
1.7.1 数据集的划分
1.7.2 数据集的预处理
1.7.3 数据集的标注
1.7.4 常用数据集
1.8 深度学习框架
1.9 深度学习的计算特点
第2章 深度学习的计算平台
2.1 神经网络计算加速芯片
2.1.1 神经网络的计算特点
2.1.2 神经网络的计算芯片
2.2 TPU架构与原理
2.2.1 谷歌TPU架构与原理
2.2.2 算能TPU架构与原理
2.3 算能TPU硬件架构及产品形态
2.3.1 算能TPU的芯片硬件架构
2.3.2 算能TPU的产品形态
2.4 算能TPU软件架构
2.4.1 实时视频流处理方案
2.4.2 深度学习软件开发工具包
2.4.3 离线模型转换
2.4.4 在线模型推理
2.4.5 自定义算子
2.4.6 模型量化加速
2.4.7 高级接口编程库
第3章 深度学习编程环境操作基础
3.1 Linux入门
3.1.1 Linux系统的安装简介
3.1.2 Linux系统的常用命令
3.1.3 Linux的文本编辑器
3.2 Python入门
3.2.1 Python环境的安装和使用
3.2.2 PyCharm集成开发环境的安装和使用
3.2.3 常用Python库
3.2.4 Python虚拟环境
3.3 TensorFlow入门
3.3.1 TensorFlow的安装
3.3.2 TensorFlow的基本操作
3.3.3 使用TensorFlow实现手写数字识别
3.4 PyTorch入门
3.4.1 PyTorch的安装
3.4.2 PyTorch的基本操作
3.4.3 使用PyTorch实现手写数字识别
3.5 SE5平台开发环境
3.5.1 SE5应用系统开发的硬件环境
3.5.2 SE5应用系统开发的软件环境
第4章 图像分类
4.1 图像分类任务介绍
4.2 典型分类网络解析
4.2.1 LeNet-5手写数字识别神经网络
4.2.2 AlexNet图像分类网络
4.2.3 VGGNet图像分类网络
4.2.4 GoogLeNet图像分类网络
4.2.5 ResNet残差图像分类网络
4.2.6 DenseNet密集连接卷积网络
4.2.7 SENet压缩-激励图像分类网络
4.3 实践项目一:基于LeNet-5神经网络的手写数字识别
4.3.1 实践项目内容
4.3.2 微调的LeNet-5网络结构
4.3.3 TensorFlow 2.x框架下程序实现
4.3.4 LeNet-5模型训练和测试过程
4.3.5 LeNet-5网络模型在SE5上的部署
4.4 实践项目二:基于ResNet神经网络的猫狗分类
4.4.1 实践项目内容
4.4.2 Dogs vs.Cats数据集简介
4.4.3 ResNet18网络结构
4.4.4 PyTorch框架下程序实现
4.4.5 ResNet18模型训练和测试过程
4.4.6 ResNet18网络模型在SE5上的部署
第5章 目标检测
5.1 目标检测任务介绍
5.1.1 目标检测任务
5.1.2 预备知识
5.1.3 评估准则
5.2 两阶段目标俭测算法
5.2.1 R-CNN
5.2.2 Fast R-CNN
5.2.3 Faster R-CNN
5.3 单阶段目标检测算法
5.3.1 YOLOv1
5.3.2 YOLOv2
5.3.3 YOLOv3
5.3.4 YOLOv4
5.3.5 YOLOv5
5.3.6 FCOS
5.3.7 DETR
5.4 实践项目:基于YOLOv5s的目标检测
5.4.1 实践项目内容
5.4.2 YOLOv5s网络结构
5.4.3 PyTorch框架下程序实现
5.4.4 YOLOv5s网络模型训练和测试过程
5.4.5 YOLOv5s网络模型在SE5上的部署
第6章 语义分割
6.1 语义分割任务介绍
6.1.1 语义分割任务
6.1.2 预备知识
6.1.3 评估准则
6.2 典型语义分割网络
6.2.1 FCN
6.2.2 U-Net
6.2.3 SegNet
6.2.4 PSPNet
6.2.5 ICNet
6.2.6 DeepLab系列
6.3 实践项目:基于ICNet的语义分割
6.3.1 实践项目内容
6.3.2 数据集
6.3.3 ICNet网络结构
6.3.4 TensorFlow框架下程序实现
6.3.5 ICNet网络模型训练和测试过程
6.3.6 ICNet网络模型在SE5上的部署
第7章 实例分割
7.1 实例分割任务介绍
7.1.1 实例分割任务
7.1.2 评估准则
7.2 典型实例分割网络
7.2.1 Mask R-CNN
7.2.2 YOLACT与YOLACT++
7.2.3 SOLO和SOLOv2
7.3 实践项目:基于Mask R-CNN的实例分割
7.3.1 实践项目内容
7.3.2 Mask R-CNN网络结构
……
"哪些人需要这本书?
——大专院校理工科本科生、研究生,可作为教材使用
——人工智能相关企业的内部培训教材
——准备应聘深度学习算法工程师的技术人员,可作为技术参考书使用
——准备转岗进入人工智能行业的技术人员,可作为自学入门书籍"
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格