新書推薦：
《
爱的能力：为什么我们既渴望爱，又害怕走进爱（第13版）
》
售價：HK$
83.8
《
环艺设计手绘：景观/室内 马克笔 手绘效果图技法精解
》
售價：HK$
95.8
《
明清与李朝时代
》
售價：HK$
81.6
《
感动，如此创造
》
售價：HK$
71.8
《
商业人像摄影
》
售價：HK$
95.8
《
抗争表演
》
售價：HK$
74.4
《
咏春八斩刀
》
售價：HK$
83.8
《
聊不完的艺术家：跨界设计师穆夏
》
售價：HK$
117.6
|
| 編輯推薦： |
通过本书你将学习到以下内容：
?了解国际上在图像识别领域取得的研究
?理解图像识别领域的网络模型，包括常见卷积神经网络（CNN）。
?学会深度学习的操作流程
?使用VGG-16、ResNet-152训练模型进行图像识别分类的实际训练
?掌握基于26层模型的估测目标定位、尺寸及种类的方法
?通过井字游戏实际操作基于深度学习的强化学习方法。
|
| 內容簡介： |
|
《实践深度学习》共6章，第1章主要介绍深度学习必备的器材、操作系统及中间件的安装方法;第2、3章解读了深度学习示例中的基本术语;第4章则通过示例程序说明了VGG-16、ResNet-152的具体操作方法，并给出了提升估测精度的方法。而第5章介绍了基于26层网络的Yolo和有助于医学图像目标识别的U形23层网络模型。第6章以训练擅长井字棋游戏的计算机为例，全面展示了强化学习的操作方法。
|
| 目錄：
|
目录
译者序
原书前言
第1章 本书概要及准备工作 1
1.1 本书概要1
1.1.1 深度学习的成果1
1.1.2 本书学习内容图像分类、目标检测、强化学习 3
1.1.3 本书学习方法预训练模型的利用 3
1.2 本书使用的数据集5
1.3 本书使用的硬件及软件6
1.3.1 使用框架 6
1.3.2 GPU的使用 7
1.3.3 准备硬件改造游戏用计算机 8
1.3.4 OS与中间件 9
1.4 软件安装10
1.4.1 OS的安装 10
1.4.2 中间件的安装 16
1.5 程序下载23
1.5.1 下载文档 23
1.5.2 下载文档的解压缩 24
第2章 网络结构 26
2.1 前馈神经网络26
2.1.1 全连接神经网络简介 27
2.1.2 卷积神经网络简介 27
2.2 卷积神经网络28
2.2.1 卷积层 28
2.2.2 池化层 31
2.2.3 上采样层 31
2.3 本书使用的网络模型32
第3章 基本术语 33
3.1 深度学习操作概要33
3.2 激活函数35
3.3 损失函数37
3.4 随机梯度下降法40
3.4.1 权值更新计算示例 40
3.4.2 动量 44
3.5 误差反向传播算法45
3.6 过拟合47
3.6.1 基于验证数据集的epoch数设置 47
3.6.2 正则化 49
3.6.3 dropout 50
3.7 数据扩充与预处理50
3.8 预训练模型52
3.9 学习率的调整54
第4章 图像识别分类 57
4.1 概要57
4.2 公共数据的制作59
4.2.1 下载图像数据集 59
4.2.2 数据提取和基础数据集的制作 60
4.2.3 数据扩充和公共数据集的制作 634.3 基于9层神经网络的识别分类66
4.3.1 网络概要 66
4.3.2 训练与模型搭建 67
4.3.3 模型读取和估测实操 73
4.3.4 实操示例 75
4.4 基于VGG- 16的识别分类 16层预训练模型80
4.4.1 VGG- 16概要 80
4.4.2 程序概要 82
4.4.3 实操示例 84
4.5 基于ResNet- 152的识别分类152层预训练模型87
4.5.1 ResNet概要 87
4.5.2 实操环境安装 88
4.5.3 程序概要 89
4.5.4 实操示例 93
4.6 估测精度的进一步提升98
4.6.1 概要 98
4.6.2 多模型的利用 100
4.6.3 Stacked Generalization 103
4.6.4 Self Training 103
第5章 目标检测 107
5.1 目标定位26层网络107
5.1.1 目标定位、尺寸及种类的估测 107
5.1.2 使用软件及特征 108
5.1.3 实操环境的安装 109
5.1.4 基于预训练模型的目标检测 110
5.1.5 基于目标特征提取的目标 检测 112 5.2 目标形状识别23层网络120
5.2.1 目标位置、大小及形状的估测 120
5.2.2 使用模型及特征 120
5.2.3 程序概要 123
5.2.4 实操示例 128
第6章 强化学习训练擅长井字棋游戏的计算机 133 6.1 强化学习133
6.1.1 强化学习概述 133
6.1.2 Q学习 133
6.1.3 DQN 136
6.2 基础框架137
6.2.1 环境与Agent 137
6.2.2 命令处理概要 139
6.2.3 环境内规则 140
6.3 实操环境的安装140
6.4 Q学习与深度学习143
6.5 实操示例147
附录 150
附录AYolo用目标位置信息的生成方法150
A.1 安装BBox- Lable- Tool 150
A.2 生成目标位置信息 151
附录B 源程序代码155
参考文献
|
| 內容試閱：
|
原书前言
数年后，无人驾驶汽车也许不再是天方夜谭，而将变成日常生活中的常态现象。这一现 象的背后必然有数种高精尖技术的支持。首先是实现精准传感功能的图像识别技术，其次是 机器人模仿人类的高度精准估测的强化学习技术。本书旨在围绕上述两大技术，通过基于深 度学习的示例程序演示，向读者介绍操作性强的入门知识。
深度学习在国际上早已迈入业务应用和实践阶段。Kaggle是创办于美国的国际性数据竞赛平台。在该平台的图像类比赛中，越来越多的参赛队伍搭建了基于深度学习的模型来提升估测精度。图像分类领域里已训练出了1000层的深度学习网络。利用VGG- 16（16层）、ResNet- 152（152层）等开源预训练模型（pre- trained model）进行微调（Fine- tuning）已成为近年 来的主流方案。结果证明，预训练模型的使用有助于图像分类的高效实现。 本书第4章图像识别分类将通过示例程序向读者说明VGG- 16、ResNet- 152的具体操作方法。在第5章目标检测将介绍基于26层网络的Yolo和有助于医学图像目标识别的U形23层网络模型。这其中包括了提升估测精度的方法，即由根特大学和Google Deep- Mind公司共同组建的联合参赛队在2015年3月Kaggle海洋浮游生物分类比赛中斩获桂冠所采用的方法。
本书中的内容主要基于深度学习库Keras（Python）实现。Keras自2015年3月开源后，因其易用性广受欢迎。基于
Keras， model.fit（X_train， Y_train， nb_epoch=10， batch_size=64， shuffle=True）
一行指令即可自动实现前向传播、误差计算和反向传播。常用于图像处理的卷积操作设置也仅需键入
conv1 = Convolution2D（32，3，3，activation=relu，border_mode=same）（inputs）
一行指令即可。除Keras外，本书还将对全球范围广泛使用的Torch（Lua）以及由日本开发的Chainer（Python）的安装及使用方法进行介绍。其中，第6章强化学习中的示例都 是基于Chainer运行实现的，约6min即可训练出擅长井字棋游戏（Tic- tac- toe）的智能计算机。
由于深度学习在计算参数时涉及矩阵运算，因此需要图形处理器（Graphics Processing Unit，GPU）的参与。本书不仅会教授读者如何把个人游戏计算机改造为深度学习机器，还会详细介绍机器改造后该如何使用。本书第1章主要介绍深度学习必备的硬件环境、操作系统及中间件的安装方法，第2、3章主要解读深度学习示例中的基本术语。第4章后将通过操作演示示例程序，介绍基于深度学习技术的图像识别及强化学习。
第4章后使用的示例程序可在Ohmsha的主页上下载后直接使用。通过对示例程序的试 用练习，可加深对深度学习的理解，还可学到提升估测精度的操作方法。深度学习之名可能容易给人留下逻辑算法复杂难懂的印象，但实际上不足为惧。阅读本 书，学习知识的同时动手实践实为本书之旨。
借出版之际，谨对邀请我们执笔此书的Ohmsha的各位同仁表示衷心的感谢。
藤田一弥 高原步
2016年11月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
