全新MXNET深度学习实战魏凯峰9787111626800

目    录前言章  全面认识MXNet11.1  人工智能、机器学习与深度学习21.1.1  人工智能21.1.2  机器学习21.1.3  深度学习41.2  深度学习框架41.2.1  MXNet61.2.2  PyTorch61..  Caffe/Caffe271.2.4  TensorFlw7.2.5  71.3  关于MXNet81.3.1  MXNet的发展历程81.3.2  MXNet的优势91.4  MXNet开发需要具备的知识101.4.1  接口语言111.4.2  NumPy111.4.3  神经网络111.5  本章小结12第2章  搭建开发环境132.1  环境配置142.2  使用Docker安装MXNet192.2.1  准备部分192.2.2  使用仓库安装Docker202..  基于安装包安装Docker2.2.4  安装nvidia-docker2.2.5  通过Docker使用MXNet25.  本地pip安装MXNet272.4  本章小结29第3章  MXNet基础313.1  NDArray313.2  Symbol373.3  Module433.4  本章小结48第4章  MNIST手写数字体分类504.1  训练代码初探524.2  训练代码详细解读554.2.1  训练参数配置564.2.2  数据读取594..  网络结构搭建594.2.4  模型训练614.3  测试代码初探624.4  测试代码详细解读644.4.1  模型导入644.4.2  数据读取664.4.3  预测输出674.5  本章小结68第5章  数据读取及695.1  直接读取原图像数据705.1.1  优点及缺点705.1.2  使用方法715.2  基于RecordIO文件读取数据755.2.1  什么是RecordIO文件755.2.2  优点及缺点765..  使用方法765.3  数据785.3.1  resize795.3.2  crop835.3.3  镜像895.3.4  亮度905.3.5  对比度925.3.6  饱和度 945.4  本章小结95第6章  网络结构搭建976.1  网络层986.1.1  卷积层986.1.2  BN层1066.1.3  激活层1086.1.4  池化层1116.1.5  全连接层1146.1.6  损失函数层1166.1.7  通道合并层1196.1.8  逐点相加层1216.2  图像分类网络结构1226.2.1  AlexNet1.2.2  VGG1246..  GoogleNet1256.2.4  ResNet1286.2.5  ResNeXt1306.2.6  DenseNet1316.2.7  SENet1326.2.8  MobileNet1346.2.9  ShuffleNet1366.3  本章小结138第7章  模型训练配置1407.1  问题定义1417.2  参数及训练配置1427.2.1  参数初始化1427.2.2  优化函数设置1447..  保存模型1457.2.4  训练日志的保存1467.2.5  选择或定义评价指标1477.2.6  多GPU训练1507.3  迁移学习1517.4  断点训练1537.5  本章小结154第8章  图像分类1568.1  图像分类基础知识1578.1.1  评价指标1588.1.2  损失函数1608.2  猫狗分类实战1608.2.1  数据准备1618.2.2  训练参数及配置1658..  数据读取1688.2.4  网络结构搭建1708.2.5  训练模型1718.2.6  测试模型1768.3  本章小结179第9章  目标检测1809.1  目标检测基础知识1829.1.1  数据集1849.1.2  SSD算法简介1889.1.3  anchr899.1.4  IU949.1.5  模型训练目标1959.1.6  NMS1999.1.7  评价指标mAP2019.2  通用目标检测2029.2.1  数据准备2039.2.2  训练参数及配置2059..  网络结构搭建2089.2.4  数据读取2159.2.5  定义训练评价指标2189.2.6  训练模型2209.2.7  测试模型2219.4  本章小结2240章  图像分割22510.1  图像分割22610.1.1  数据集22710.1.2  评价指标22910.1.3  语义分割算法010.2  语义分割实战110.2.1  数据准备210.2.2  训练参数及配置10..  数据读取10.2.4  网络结构搭建24010.2.5  定义评价指标24510.2.6  训练模型24910.2.7  测试模型效果25110.3  本章小结2531章  Gluon25511.1  Gluon基础25611.1.1  data模块25611.1.2  nn模块26011.1.3  model zoo模块26511.2  CIFAR10数据集分类26711.2.1  基于CPU的训练代码26711.2.2  基于GPU的训练代码27211..  测试代码27511.3  本章小结2762章  GluonCV27812.1  GluonCV基础27912.1.1  data模块28012.1.2  model zoo模块28512.1.3  utils模块29212.2  解读ResNet复现代码29312.2.1  导入模块29612.2.2  命令行参数设置29612..  日志信息设置29712.2.4  训练参数配置29812.2.5  模型导入30012.2.6  数据读取30112.2.7  定义评价指标30312.2.8  模型训练3031.  本章小结308

魏凯峰，资深计算机视觉算法，在MXNet、Pytorch、深度学习相关算法等方面有深入的研究和丰富的实践经验。
目前就职于网易杭州研究院，从事计算机视觉算法相关的工作，主要研究方向包括目标检测、图像分类、图像对抗算法、模型加速和压缩。
热衷于分享，乐于在GiHb分享算法相关的代码，坚持在CSDN上撰写算法相关的博客，累计百余篇，访问量过百万。

前    言为什么要写这本书深度学习领域开始受到越来越多的关注，各大深度学习框架也孕育而生，在这个阶段，我被深度学习深深吸引并逐渐开始学习相关知识。后，我继续从事算法相关的工作，具体而言是深度学习算法在图像领域的应用，也就是常说的计算机视觉算法。MXNet和PyTorch这两个框架我都喜欢，不过目前市面上关于MXNet框架的书籍较少，而且MXNet发展至今各种接口比较稳定，用户体验挺不错的，所以决定以MXNet框架来写这本深度学习实战教程。MXNet是官方维护的深度学习框架，在灵活和效方面都做得很棒，读者学习。本书的写作难度比想象中要大许多，在写作过程中许多零散的知识点需要想办法串联起来，让不同知识储备的人都能看懂，许多环境依赖需要从头到尾跑一遍来确认清楚。写书和写博客（AI之路）优选的区别在于书籍在出版后修正比较麻烦，不像博客，随时发现错误都可以修改，因此在写作过程中对许多细节和措辞都推敲了很久，自己也从中学到了许多。读者对象随着深度学习的快展和相关学习资料的出版，深度学习入门门槛越来越低，竞争也越来越激烈，相关从业者不仅要有坚实的算法基础，更要具备一定的实战经验，相信本书能够帮你更好地入门深度学习。本书面向的读者为：计算机视觉算法从业者或爱好者准备入门深度学习的读者使用MXNet框架进行算法实现的读者本书特色如一本书只是单纯介绍算法内容，那其实和直接看没有太大区别；如一本书只是单纯介绍框架接口，那其实和直接看接口文档没有太大区别。在笔者看来，算法是思想，框架是工具，用框架实现算法才能体现算法的价值，因此这本书将算法和框架结合起来，通过讲解算法和个人项目经验介绍如何使用MXNet框架实现算法，希望能够帮读者领略算法之美。本书是从一名算法的角度出发介绍算法实现，整体上偏基础和细节，能够帮入门者少走弯路。随着这几年深度学习的快展，众多深度学习框架对各类接口的封装都很完善，使用起来方便，但是部分深度学习入门者仅仅停留在跑通demo却不理解细节内容的层面，这也常常被人调侃有些浮躁，通过本书，笔者希望读者不仅能够灵活调用这些接口实现算法，而且能够理解这些接口的内在含义，不断夯实自己的算法基础。如何阅读本书本书分为四大部分：部分为准备篇（～2章），简单介绍深度学习相关的基础背景知识、深度学习框架MXNet的发展过程和优缺点，同时介绍基础开发环境的构建和docker的使用，帮读者构建必要的基础知识背景。第二部分为基础篇（第3～7章），介绍MXNet的几个主要模块，介绍MXNet的数据读取、数据操作，同时介绍了常用网络层的含义及使用方法、常见网络结构的设计思想，以及介绍模型训练相关的参数配置。第三部分为实战篇（8～0章），以图像分类、目标检测和图像分割这三个常用领域为例介绍如何通过MXNet实现算法训练和模型测试，同时还将结合MXNet的接口详细介绍算法细节内容。第四部分为扩展篇（1～12章），主要介绍Gluon和GluonCV。Gluon接口是MXNet推出的用于动态构建网络结构的重要接口，GluonCV则是一个专门为计算机视觉任务服务的深度学习库。本书按照由浅至深的顺序进行编写，如果你是一名初学者，那么建议从章的基础理论知识开始学习，如果你是一名经验丰富的资深用户，能够理解MXNet的相关基础知识和使用技巧，那么你可以直接阅读实战部分的内容。勘误和支持由于作者的水平有限，编写时间仓促，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。本书所有代码都可以从https://itu.com/miraclewkf/MXNet-Deep-Learning-in-Action下载，同时如果你遇到任何问题，都可以在Issues界面提出，我将尽量在线上为读者提供满意的解答，后期发现的错误也将在该项目中注明，欢迎读者关注。如果你有更多的宝贵意见，也欢迎发送邮件至邮箱wkf8092@163.com，期待能够得到你们的真挚反馈。致谢首先要感谢MXNet的开发者们，是你们创造并一直维护这个高效便捷的深度学习框架，让众多深度学习爱好者能够通过MXNet享受算法带来的乐趣。感谢MXNet社区中每一位为MXNet的发展和推广做出贡献的朋友，是你们带领我走进MXNet并逐渐喜欢上它，你们的活力与坚持将使得MXNet的明天更加美好。感谢机械工业出版社华章公司的杨福川老师、李良老师和张锡鹏老师，在这一年多的时间中始终支持我的写作，你们的鼓励和帮引导我顺利完成全部书稿。感谢那些通过华章鲜读购买和阅读早期版书籍的读者们，你们的支持让我更加有动力不断完善这本书的内容，也让我更加确信自己在做一件有意义的事情。感谢我的家人将我培养成人，你们永远是我坚的后盾！谨以此书献给众多热爱深度学习算法及MXNet的朋友们！魏凯峰