实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
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!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
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。
音像PyTorch深度学习模型开发实战(日)小川雄太郎
¥ ×1
商品
服务
物流
章图像分类与迁移学习(VGG)1.1已完成训练的VGG模型的使用方法1.1.1ImageNet数据集与VGG-16模型1.1.2文件夹的准备1.1.3准备工作1.1.4软件包的导入及PyTorch版本的确认1.1.5VGG-16已完成训练模型的载入1.1.6输入图片的预处理类的编写1.1.7根据输出结果预测标签的后处理类的编写1.1.8使用已完成学习的VGG模型对手头上的图片进行预测1.2使用PyTorch进行深度学习的实现流程1.3迁移学习的编程实现1.3.1迁移学习1.3.2准备文件夹1.3.3准备工作1.3.4实现代码的初始设置1.3.5创建Dataset1.3.6创建DataLoader1.3.7创建网络模型1.3.8定义损失函数1.3.9设定很优化算法1.3.10学习和验的施行1.4AWS的GPU云计算服务器的使用方法1.4.1使用云服务器的理由1.4.2创建AWS账号1.4.3AWS管理控制台1.4.4AWS的EC2虚拟主机的创建方法1.4.5EC2服务器的访问与Anaconda的作1.5微调的实现1.5.1微调1.5.2准备文件夹及事先准备1.5.3创建Dataset和DataLoader1.5.4创建网络模型1.5.5定义损失函数1.5.6设置很优化算法1.5.7学习和验的施行1.5.8保存和读取训练完的网络小结第2章物体检测(SSD)2.1物体检测概述2.1.1物体检测概要2.1.2物体检测任务的输入与输出2.1.3VOC数据集2.1.4基于SSD实现物体检测的流程2.2Dataset的实现2.2.1重温在PyTorch中实现深度学习的流程2.2.2文件夹的准备2..准备工作2.2.4创建图像数据、标注数据的文件路径列表2.2.5将xml格式的标注数据转换为列表2.2.6创建实现图像与标注的预处理DataTransform类2.2.7创建Dataset.DataLoader的实现2.4网络模型的实现2.4.1SSD网络模型概要2.4.2vgg模块的实现2.4.3extras模块的实现2.4.4loc模块与conf模块的实现2.4.5L2Norm层的实现2.4.6DefaultBox的实现2.4.7SSD类的实现2.5正向传播函数的实现2.5.1decode函数的实现2.5.2Non-MaximumSuppression函数的实现2.5.3Detect类的实现2.5.4SSD模块的实现2.6损失函数的实现2.6.1运用了jaccard系数的match函数的行为2.6.2难分样本挖掘2.6.3SmoothL1Loss函数与交叉熵误差函数2.6.4SSD损失函数MultiBoxLoss类的实现……第3章语义分割(PSPNet)第4章识别(OpenPose)第5章基于GAN的图像生成(DCGAN、Self-AttentionGAN)第6章基于GAN的异常检测(AnoGAN、EfficientGAN)第7章基于自然语言处理的情感分析(Transformer)第8章基于自然语言处理的情感分析(BERT)第9章视频分类(3DCNN、ECO)后记
小川雄太郎 东京大学理学博士,曾在东京大学院从事脑功测量计算论的神经科学研究。获取博士后,曾担任东京大学特聘研究员。现任职于日本电通靠前信息服务公司总部 AI 技术开发部,主要负责以深度学习为主的机器学习相关技术的研究开发和技术支持。另外,他还是早稻田大学优选教育中心的兼职讲师和日本深度学习协会会员。在业余时间开展了多场人工智能相关讲座并撰写了多种人工智能相关书籍。
本书是一本通过PyTorch深度学习模型开发案例学习深度学习技术应用方法的图书,对精心设计的9大类深度学习任务构建模型,让读者可以逐步掌握不错且实用的深度学习开发和应用的方法。每个深度学习模型都是 State-of-the-Art(优选能模型)的基础,读者若能够亲自动手实现,对以后的研究和开发工作一定会有很大帮。 案例涵盖面广:以PyTorch为工具,对常见的9种类型的深度学习任务进行了编程实现,让读者对深度学习技术的应用有一个全面了解。 代码解说详细:对各深度学习模型的实现方法及源代码进行了详细解说,将原理与实际操作相结合,便于学生阅读和理解程序的本质。 语言通俗易懂:虽然本书针对的是深度学习中、不错层次的读者,但书中的语言也尽量避免晦涩艰深,做到通俗易懂,让学习过程更高效。 实用针对强:书中的每章都是为了解决特定任务而设计的主题,实用和针对特强,而且特别注重原理的解说和过程的实现,读者可以从中学习到一些小窍门,举一反三,掌握灵活构建深度学习模型的能力。 本书实现的任务内容及深度学习模型 迁移学习,微调:用少量的图像数据构建深度学习模型 物体检测(SSD):对图像中的位置和内容进行检测 语义分割(PSPNet):在像素级别上对图像中的物体进行检测 识别Openoe:测人物,并对人体各部位的链接进行识别 GAN(DCGAN,Self-Attention GAN):生成现实中实际存在的图像 异常检测(AnoGAN,Efficient GAN):用GAN对图像中的异常图像进行检测 自然语言处理(Transformer,BERT):对文本数据进行情感分析 视频分类(3DCNN,ECO):对人物动作的视频数据进行分类 读者对象:高校人工智能·机器学习·深度学习相关专业高年级学生;有一定AI技术基础、想积累深度学习实践经验的初级;想通过实战提升机器学习·深度学习技术应用水平的所有开发人员和科研人员;对AI开发感兴趣并对深度学习技术的基础内容有一定编程经验的所有人员
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
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~
验证码错误
看不清楚?换一张
确定关闭
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~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员