發表於2024-11-09
本書全麵、係統地介紹深度學習相關的技術,所有章節均附有源程序,所有實驗讀者均可重現,具有高度的可操作性和實用性。
《深度學習:原理與應用實踐》全麵、係統地介紹深度學習相關的技術,包括人工神經網絡,捲積神經網絡,深度學習平颱及源代碼分析,深度學習入門與進階,深度學習高級實踐,所有章節均附有源程序,所有實驗讀者均可重現,具有高度的可操作性和實用性。通過學習本書,研究人員、深度學習愛好者,能夠在3 個月內,係統掌握深度學習相關的理論和技術。
張重生,男,博士,教授,碩士生導師,河南大學大數據研究中心、大數據團隊帶頭人。研究領域為大數據分析、深度學習、數據挖掘、數據庫、數據流(實時數據分析)。博士畢業於 INRIA,France(法國國傢信息與自動化研究所),獲得優秀博士論文榮譽。2010年08月至2011年3月,在美國加州大學洛杉磯分校(UCLA),計算機係,師從著名的數據庫專傢Carlo Zaniolo教授,從事數據挖掘領域的閤作研究。 2012-2013,挪威科技大學,ERCIM/Marie-Curie Fellow。
深度學習基礎篇
第1 章 緒論 2
1.1 引言 2
1.1.1 Google 的深度學習成果 2
1.1.2 Microsoft 的深度學習成果 3
1.1.3 國內公司的深度學習成果 3
1.2 深度學習技術的發展曆程 4
1.3 深度學習的應用領域 6
1.3.1 圖像識彆領域 6
1.3.2 語音識彆領域 6
1.3.3 自然語言理解領域 7
1.4 如何開展深度學習的研究和應用開發 7
本章參考文獻 11
第2 章 國內外深度學習技術研發現狀及其産業化趨勢 13
2.1 Google 在深度學習領域的研發現狀 13
2.1.1 深度學習在Google 的應用 13
2.1.2 Google 的TensorFlow 深度學習平颱 14
2.1.3 Google 的深度學習芯片TPU 15
2.2 Facebook 在深度學習領域的研發現狀 15
2.2.1 Torchnet 15
2.2.2 DeepText 16
2.3 百度在深度學習領域的研發現狀 17
2.3.1 光學字符識彆 17
2.3.2 商品圖像搜索 17
2.3.3 在綫廣告 18
2.3.4 以圖搜圖 18
2.3.5 語音識彆 18
2.3.6 百度開源深度學習平颱MXNet 及其改進的深度語音識彆係統Warp-CTC 19
2.4 阿裏巴巴在深度學習領域的研發現狀 19
2.4.1 拍立淘 19
2.4.2 阿裏小蜜――智能客服Messenger 20
2.5 京東在深度學習領域的研發現狀 20
2.6 騰訊在深度學習領域的研發現狀 21
2.7 科創型公司(基於深度學習的人臉識彆係統) 22
2.8 深度學習的硬件支撐――NVIDIA GPU 23
本章參考文獻 24
深度學習理論篇
第3 章 神經網絡 30
3.1 神經元的概念 30
3.2 神經網絡 31
3.2.1 後嚮傳播算法 32
3.2.2 後嚮傳播算法推導 33
3.3 神經網絡算法示例 36
本章參考文獻 38
第4 章 捲積神經網絡 39
4.1 捲積神經網絡特性 39
4.1.1 局部連接 40
4.1.2 權值共享 41
4.1.3 空間相關下采樣 42
4.2 捲積神經網絡操作 42
4.2.1 捲積操作 42
4.2.2 下采樣操作 44
4.3 捲積神經網絡示例:LeNet-5 45
本章參考文獻 48
深度學習工具篇
第5 章 深度學習工具Caffe 50
5.1 Caffe 的安裝 50
5.1.1 安裝依賴包 51
5.1.2 CUDA 安裝 51
5.1.3 MATLAB 和Python 安裝 54
5.1.4 OpenCV 安裝(可選) 59
5.1.5 Intel MKL 或者BLAS 安裝 59
5.1.6 Caffe 編譯和測試 59
5.1.7 Caffe 安裝問題分析 62
5.2 Caffe 框架與源代碼解析 63
5.2.1 數據層解析 63
5.2.2 網絡層解析 74
5.2.3 網絡結構解析 92
5.2.4 網絡求解解析 104
本章參考文獻 109
第6 章 深度學習工具Pylearn2 110
6.1 Pylearn2 的安裝 110
6.1.1 相關依賴安裝 110
6.1.2 安裝Pylearn2 112
6.2 Pylearn2 的使用 112
本章參考文獻 116
深度學習實踐篇(入門與進階)
第7 章 基於深度學習的手寫數字識彆 118
7.1 數據介紹 118
7.1.1 MNIST 數據集 118
7.1.2 提取MNIST 數據集圖片 120
7.2 手寫字體識彆流程 121
7.2.1 模型介紹 121
7.2.2 操作流程 126
7.3 實驗結果分析 127
本章參考文獻 128
第8 章 基於深度學習的圖像識彆 129
8.1 數據來源 129
8.1.1 Cifar10 數據集介紹 129
8.1.2 Cifar10 數據集格式 129
8.2 Cifar10 識彆流程 130
8.2.1 模型介紹 130
8.2.2 操作流程 136
8.3 實驗結果分析 139
本章參考文獻 140
第9 章 基於深度學習的物體圖像識彆 141
9.1 數據來源 141
9.1.1 Caltech101 數據集 141
9.1.2 Caltech101 數據集處理 142
9.2 物體圖像識彆流程 143
9.2.1 模型介紹 143
9.2.2 操作流程 144
9.3 實驗結果分析 150
本章參考文獻 151
第10 章 基於深度學習的人臉識彆 152
10.1 數據來源 152
10.1.1 AT&T Facedatabase 數據庫 152
10.1.2 數據庫處理 152
10.2 人臉識彆流程 154
10.2.1 模型介紹 154
10.2.2 操作流程 155
10.3 實驗結果分析 159
本章參考文獻 160
深度學習實踐篇(高級應用)
第11 章 基於深度學習的人臉識彆――DeepID 算法 162
11.1 問題定義與數據來源 162
11.2 算法原理 163
11.2.1 數據預處理 163
11.2.2 模型訓練策略 164
11.2.3 算法驗證和結果評估 164
11.3 人臉識彆步驟 165
11.3.1 數據預處理 165
11.3.2 深度網絡結構模型 168
11.3.3 提取深度特徵與人臉驗證 171
11.4 實驗結果分析 174
11.4.1 實驗數據 174
11.4.2 實驗結果分析 175
本章參考文獻 176
第12 章 基於深度學習的錶情識彆 177
12.1 錶情數據 177
12.1.1 Cohn-Kanade(CK+)數據庫 177
12.1.2 JAFFE 數據庫 178
12.2 算法原理 179
12.3 錶情識彆步驟 180
12.3.1 數據預處理 180
12.3.2 深度神經網絡結構模型 181
12.3.3 提取深度特徵及分類 182
12.4 實驗結果分析 184
12.4.1 實現細節 184
12.4.2 實驗結果對比 185
本章參考文獻 188
第13 章 基於深度學習的年齡估計 190
13.1 問題定義 190
13.2 年齡估計算法 190
13.2.1 數據預處理 190
13.2.2 提取深度特徵 192
13.2.3 提取LBP 特徵 196
13.2.4 訓練迴歸模型 196
13.3 實驗結果分析 199
本章參考文獻 199
第14 章 基於深度學習的人臉關鍵點檢測 200
14.1 問題定義和數據來源 200
14.2 基於深度學習的人臉關鍵點檢測的步驟 201
14.2.1 數據預處理 201
14.2.2 訓練深度學習網絡模型 206
14.2.3 預測和處理關鍵點坐標 207
本章參考文獻 212
深度學習總結與展望篇
第15 章 總結與展望 214
15.1 深度學習領域當前的主流技術及其應用領域 214
15.1.1 圖像識彆 214
15.1.2 語音識彆與自然語言理解 215
15.2 深度學習的缺陷 215
15.2.1 深度學習在硬件方麵的門檻較高 215
15.2.2 深度學習在軟件安裝與配置方麵的門檻較高 216
15.2.3 深度學習最重要的問題在於需要海量的有標注的數據作為支撐 216
15.2.4 深度學習的最後階段竟然變成枯燥、機械、及其耗時的調參工作 217
15.2.5 深度學習不適用於數據量較小的數據 218
15.2.6 深度學習目前主要用於圖像、聲音的識彆和自然語言的理解 218
15.2.7 研究人員從事深度學習研究的睏境 219
15.3 展望 220
本章參考文獻 220
如今,深度學習是國際上非常活躍、非常多産的研究領域,它被廣泛應用於計算機視覺、圖像分析、語音識彆和自然語言處理等諸多領域。在多個領域上,深度神經網絡已大幅超越瞭已有算法的性能。
本書是深度學習領域的一本力作。它對深度神經網絡尤其是捲積神經網絡進行介紹,且注重深度學習的實際應用。而且,本書還對深度學習研發現狀進行總結和闡述,包括Google 和Facebook。本書通過示例的方式詳解深度學習的具體應用,包括手寫數字識彆,物體識彆,及以人為中心的計算(包括人臉識彆、人臉錶情識彆、年齡估計、人臉關鍵點定位等)。本書也介紹瞭深度學習Caffe 和Pylearn2 兩個平颱,並給齣具體示例,介紹如何使用。
本書的所有實驗均可重現,對初學者、研究生和工程師有重要參考價值,能夠幫助讀者掌握深度學習的實戰技能。我在訪問河南大學期間與本書作者相識。作者和他的學生為本書的齣版投入瞭1 年多的時間,付齣瞭巨大的心血。我相信,本書將會被中國科技界所認可。
Ioannis Pitas
IEEE Fellow
亞裏士多德
深度學習:原理與應用實踐 下載 mobi pdf epub txt 電子書 格式 2024
深度學習:原理與應用實踐 下載 mobi epub pdf 電子書還不錯
評分啦啦啦我要的是
評分書不是很給力
評分書的內容一般,感覺就是網上找的一點東西
評分適閤入門,講得一般般,瞭解下行業,並不適閤研究
評分還沒看,買瞭挺多,應該不錯,嗬嗬
評分很好的的一次購買,下次再剁手!
評分很不錯哦,很閤適初學者
評分內容有些簡單 紙張一般
深度學習:原理與應用實踐 mobi epub pdf txt 電子書 格式下載 2024