給大家帶來的一篇關于人工智能相關的電子書資源，介紹了關于深度學習、卷積、神經網絡、入門到精通方面的內容，本書是由機械工業出版社出版，格式為PDF，資源大小223.4 MB，李玉鑑 張婷 單傳編寫，目前豆瓣、亞馬遜、當當、京東等電子書綜合評分為：7.7。

內容介紹

這書潛心探討深度神經網絡中運用十分普遍的實體模型——卷積神經網絡，該實體模型非常適用圖象歸類和鑒別、總體目標切分和檢驗及其人工智能技術手機游戲層面，受眾群體另一半包含電子計算機、自動化技術、信號分析、機電安裝工程、應用數學等有關技術專業的碩士研究生、老師及其數據工程師和科學研究工作人員。這書的較大特點是對卷積神經網絡開展循序漸進的歸類敘述，先后包含：當代原型、攻克實體模型、應變力實體模型、加重實體模型、跨連實體模型、區域模型、切分實體模型、獨特實體模型、加強實體模型和頂級貢獻。這類歸類架構是在實體模型簡述和準備專業知識的基本上逐漸進行的，既便捷用戶入門學習，又有利于用戶深層次刻苦鉆研。

目錄

第1章 概述

1.1 深度學習的起源和發展

1.2 卷積神經網絡的形成和演變

1.3 卷積神經網絡的應用和影響

1.4 卷積神經網絡的缺陷和視圖

1.5 卷積神經網絡的GPU實現和cuDNN庫

1.6 卷積神經網絡的平臺和工具

1.7 本書的內容結構和案例數據

1.7.1 內容結構

1.7.2 案例數據

第2章 預備知識

2.1 激活函數

2.2 矩陣運算

2.3 導數公式

2.4 梯度下降算法

2.5 反向傳播算法

2.5.1 通用反向傳播算法

2.5.2 逐層反向傳播算法

2.6 通用逼近定理

2.7 內外卷積運算

2.8 膨脹卷積運算

2.9 上下采樣運算

2.10 卷積面計算

2.11 池化面計算

2.12 局部響應歸一化

2.13 權值偏置初始化

2.14 丟失輸出

2.15 丟失連接

2.16 隨機梯度下降算法

2.17 塊歸一化

2.18 動態規劃算法

第3章 卷積神經網絡的現代雛形——LeNet

3.1 LeNet的原始模型

3.2 LeNet的標準模型

3.3 LeNet的學習算法

3.4 LeNet的Caffe代碼實現及說明

3.5 LeNet的手寫數字識別案例

3.6 LeNet的交通標志識別案例

3.6.1 交通標志數據集的格式轉換

3.6.2 交通標志的識別分類

3.7 LeNet的交通路網提取案例

3.7.1 交通路網的人工標注

3.7.2 交通路網的圖像塊分類

3.7.3 交通路網的圖像塊分類LeNet

3.7.4 交通路網的自動提取代碼及說明

3.7.5 交通路網的自動提取程序運行結果

第4章 卷積神經網絡的突破模型

4.1 AlexNet的模型結構

4.2 AlexNet的Caffe代碼實現及說明

4.3 AlexNet的Caffe大規模圖像分類案例及演示效果

4.4 AlexNet的TensorFlow代碼實現及說明

4.5 AlexNet的TensorFlow大規模圖像分類案例及演示效果

4.6 AlexNet的改進模型ZFNet

第5章 卷積神經網絡的應變模型

5.1 SPPNet的模型結構

5.2 SPPNet的Caffe代碼實現及說明

5.3 SPPNet的大規模圖像分類案例及演示效果

第6章 卷積神經網絡的加深模型

6.1 結構加深的卷積網絡VGGNet

6.1.1 VGGNet的模型結構

6.1.2 VGGNet的TensorFlow代碼實現及說明

6.1.3 VGGNet的物體圖像分類案例

6.2 結構更深的卷積網絡GoogLeNet

6.2.1 GoogLeNet的模型結構

6.2.2 GoogLeNet的TensorFlow代碼實現及說明

6.2.3 GoogLeNet的鮮花圖像分類案例

第7章 卷積神經網絡的跨連模型

7.1 快道網絡HighwayNet

7.2 殘差網絡ResNet

7.2.2 ResNet的Caffe代碼實現及說明

7.2.3 ResNet的大規模圖像分類案例

7.3 密連網絡DenseNet

7.3.2 DenseNet的Caffe代碼實現及說明

7.3.3 DenseNet的物體圖像分類案例

7.4 拼接網絡CatNet

7.4.2 CatNet的Caffe代碼實現及說明

7.4.3 CatNet的人臉圖像性別分類案例

第8章 卷積神經網絡的區域模型

8.1 區域卷積網絡R-CNN

8.2 快速區域卷積網絡Fast R-CNN

8.3 更快區域卷積網絡Faster R-CNN

8.3.2 Faster R-CNN的TensorFlow代碼實現及說明

8.3.3 Faster R-CNN的圖像目標檢測案例及演示效果

8.4 你只看一次網絡YOLO

8.4.2 YOLO的TensorFlow代碼實現及說明

8.4.3 YOLO的圖像目標檢測案例及演示效果

8.5 單次檢測器SSD

8.5.2 SSD的TensorFlow代碼實現及說明

8.5.3 SSD的圖像目標檢測案例及演示效果

第9章 卷積神經網絡的分割模型

9.1 全卷積網絡FCN

9.1.2 FCN的Caffe代碼實現及說明

9.1.3 FCN的圖像語義和幾何分割案例

9.2 金字塔場景分析網絡PSPNet

9.2.2 PSPNet的TensorFlow代碼實現及說明

9.2.3 PSPNet的圖像語義分割案例及演示效果

9.3 掩膜區域卷積網絡Mask R-CNN

9.3.2 Mask R-CNN的Keras和TensorFlow代碼實現及說明

9.3.3 Mask R-CNN的圖像實例分割案例及演示效果

第10章 卷積神經網絡的特殊模型

10.1 孿生網絡SiameseNet

10.1.2 SiameseNet的Caffe代碼實現及說明

10.1.3 SiameseNet的手寫數字驗證案例

10.2 擠壓網絡SqueezeNet

10.2.2 SqueezeNet的Caffe代碼實現及說明

10.2.3 SqueezeNet大規模圖像分類案例

10.3 深層卷積生成對抗網絡DCGAN

10.3.2 DCGAN的TensorFlow代碼實現及說明

10.3.3 DCGAN的CelebA人臉圖像生成案例

10.4 網中網NIN

10.4.2 NIN的Caffe代碼實現及說明

10.4.3 NIN大規模圖像分類案例

第11章 卷積神經網絡的強化模型

11.1 強化學習的基本概念

11.2 深度強化學習網絡的學習算法

11.3 深度強化學習網絡的變種模型

11.4 深度強化學習網絡的Flappy Bird智能體案例

11.4.1 笨笨鳥網絡的開發環境和工具包

11.4.2 笨笨鳥網絡的代碼實現及說明

11.4.3 笨笨鳥網絡的學習訓練過程

11.4.4 笨笨鳥網絡的演示效果

第12章 卷積神經網絡的頂尖成就——AlphaGo

12.1 人工智能棋類程序簡介

12.2 AlphaGo的設計原理

12.2.1 總體思路

12.2.2 訓練流程

12.2.3 搜索過程

12.3 AlphaGo Zero的新思想

12.4 仿效AlphaGo的圍棋程序案例MuGo

12.4.1 MuGo的開發環境

12.4.2 MuGo的代碼實現及說明

12.4.3 MuGo的學習訓練過程

12.4.4 MuGo的演示效果

附錄A Caffe在Windows上的安裝過程

附錄B Caffe在Linux上的安裝過程

附錄C TensorFlow在Windows上的安裝過程

附錄D TensorFlow在Linux上的安裝過程

參考文獻

學習筆記

Python編程深度學習計算庫之numpy

NumPy是python下的計算庫，被非常廣泛地應用，尤其是近來的深度學習的推廣。在這篇文章中，將會介紹使用numpy進行一些最為基礎的計算。 NumPy vs SciPy NumPy和SciPy都可以進行運算，主要區別如下 最近比較熱門的深度學習，比如在神經網絡的算法，多維數組的使用是一個極為重要的場景。如果你熟悉tensorflow中的tensor的概念，你會非常清晰numpy的作用。所以熟悉Numpy可以說是使用python進行深度學習入門的一個基礎知識。 安裝 liumiaocn:tmp liumiao$ pip install numpyCollecting numpy Downloading https://files.pythonhosted.org/packages/b6/5e/4b2c794fb57a42e285d6e0fae0e9163773c5a6a6a7e1794967fc5d2168f2/numpy-1.14.5-cp27-cp27m-macosx_10_6_intel.macosx_10_9_intel.macosx_……

python開啟攝像頭以及深度學習實現目標檢測方法

最近想做實時目標檢測，需要用到python開啟攝像頭，我手上只有兩個uvc免驅的攝像頭，性能一般。利用python開啟攝像頭費了一番功夫，主要原因是我的攝像頭都不能用cv2的VideCapture打開，這讓我聯想到原來opencv也打不開Android手機上的攝像頭(后來采用QML的Camera模塊實現的)。看來opencv對于攝像頭的兼容性仍然不是很完善。 我嘗了幾種辦法：v4l2，v4l2_capture以及simpleCV，都打不開。最后采用pygame實現了攝像頭的采集功能，這里直接給大家分享具體實現代碼(python3.6，cv2，opencv3.3，ubuntu16.04)。中間注釋的部分是我上述方法打開攝像頭的嘗試，說不定有適合自己的。 import pygame.cameraimport timeimport pygameimport c……

PyTorch的深度學習入門之PyTorch安裝和配置

前言 深度神經網絡是一種目前被廣泛使用的工具，可以用于圖像識別、分類，物體檢測，機器翻譯等等。深度學習(DeepLearning)是一種學習神經網絡各種參數的方法。因此，我們將要介紹的深度學習，指的是構建神經網絡結構，并且運用各種深度學習算法訓練網絡參數，進而解決各種任務。本文從PyTorch環境配置開始。PyTorch是一種Python接口的深度學習框架，使用靈活，學習方便。還有其他主流的深度學習框架，例如Caffe，TensorFlow，CNTK等等，各有千秋。筆者認為，初期學習還是選擇一種入門，不要期望全都學會。須知，發力集中才能深入挖掘。亂花漸欲迷人眼，選擇適合自己的，從一而終，相信會對科……

Dlib+OpenCV深度學習人臉識別的方法示例

前言 人臉識別在LWF(Labeled Faces in the Wild)數據集上人臉識別率現在已經99.7%以上，這個識別率確實非常高了，但是真實的環境中的準確率有多少呢？我沒有這方面的數據，但是可以確信的是真實環境中的識別率并沒有那么樂觀。現在雖然有一些商業應用如員工人臉識別管理系統、海關身份驗證系統、甚至是銀行人臉識別功能，但是我們可以仔細想想員工人臉識別管理，海關身份證系統的應用場景對身份的驗證功能其實并沒有商家吹噓的那么重要，打個比方說員工上班的時候刷臉如果失敗了會怎樣，是不是重新識別一下，如果還是誤識別，或是識別不出，是不是就干脆刷卡或是其他方式登記上班，然后罵一……

以上就是本次介紹的人工智能電子書的全部相關內容，希望我們整理的資源能夠幫助到大家，感謝大家對碼農之家的支持。

展開 +

收起 -

總結

以上是生活随笔為你收集整理的python神经网络算法pdf_深度学习：卷积神经网络从入门到精通 PDF 原书扫描版的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。