深度学习：卷积神经网络从入门到精通
作者: 李玉鑑等52.73万字69人 正在读
已完结现代当代当代文学
目录 (177章)
倒序
正文
001 概述002 .1 深度学习的起源和发展003 .2 卷积神经网络的形成和演变004 .3 卷积神经网络的应用和影响005 .4 卷积神经网络的缺陷和视图006 .5 卷积神经网络的GPU实现和cuDNN库007 .6 卷积神经网络的平台和工具008 .7 本书的内容结构和案例数据009 .7.1 内容结构010 .7.2 案例数据011 预备知识012 .1 激活函数013 .2 矩阵运算014 .3 导数公式015 .4 梯度下降算法016 .5 反向传播算法017 .5.1 通用反向传播算法018 .5.2 逐层反向传播算法019 .6 通用逼近定理020 .7 内外卷积运算021 .8 膨胀卷积运算022 .9 上下采样运算023 .10 卷积面计算024 .11 池化面计算025 .12 局部响应归一化026 .13 权值偏置初始化027 .14 丢失输出028 .15 丢失连接029 .16 随机梯度下降算法030 .17 块归一化031 .18 动态规划算法032 卷积神经网络的现代雏形——LeNet033 .1 LeNet的原始模型034 .2 LeNet的标准模型035 .3 LeNet的学习算法036 .4 LeNet的Caffe代码实现及说明(1)037 .4 LeNet的Caffe代码实现及说明(2)038 .5 LeNet的手写数字识别案例039 .6 LeNet的交通标志识别案例040 .6.1 交通标志数据集的格式转换041 .6.2 交通标志的识别分类042 .7 LeNet的交通路网提取案例043 .7.1 交通路网的人工标注044 .7.2 交通路网的图像块分类045 .7.3 交通路网的图像块分类LeNet046 .7.4 交通路网的自动提取代码及说明(1)047 .7.4 交通路网的自动提取代码及说明(2)048 .7.5 交通路网的自动提取程序运行结果049 卷积神经网络的突破模型050 .1 AlexNet的模型结构051 .2 AlexNet的Caffe代码实现及说明(1)052 .2 AlexNet的Caffe代码实现及说明(2)053 .3 AlexNet的Caffe大规模图像分类案例及演示效果054 .4 AlexNet的TensorFlow代码实现及说明(1)055 .4 AlexNet的TensorFlow代码实现及说明(2)056 .5 AlexNet的TensorFlow大规模图像分类案例及演示效果057 .6 AlexNet的改进模型ZFNet058 卷积神经网络的应变模型059 .1 SPPNet的模型结构060 .2 SPPNet的Caffe代码实现及说明061 .3 SPPNet的大规模图像分类案例及演示效果062 卷积神经网络的加深模型063 .1 结构加深的卷积网络VGGNet064 .1.1 VGGNet的模型结构065 .1.2 VGGNet的TensorFlow代码实现及说明(1)066 .1.2 VGGNet的TensorFlow代码实现及说明(2)067 .1.2 VGGNet的TensorFlow代码实现及说明(3)068 .1.2 VGGNet的TensorFlow代码实现及说明(4)069 .1.3 VGGNet的物体图像分类案例070 .2 结构更深的卷积网络GoogLeNet071 .2.1 GoogLeNet的模型结构072 .2.2 GoogLeNet的TensorFlow代码实现及说明(1)073 .2.2 GoogLeNet的TensorFlow代码实现及说明(2)074 .2.2 GoogLeNet的TensorFlow代码实现及说明(3)075 .2.2 GoogLeNet的TensorFlow代码实现及说明(4)076 .2.2 GoogLeNet的TensorFlow代码实现及说明(5)077 .2.3 GoogLeNet的鲜花图像分类案例078 卷积神经网络的跨连模型079 .1 快道网络HighwayNet080 .2 残差网络ResNet081 .2.2 ResNet的Caffe代码实现及说明(1)082 .2.2 ResNet的Caffe代码实现及说明(2)083 .2.3 ResNet的大规模图像分类案例084 .3 密连网络DenseNet085 .3.2 DenseNet的Caffe代码实现及说明086 .3.3 DenseNet的物体图像分类案例087 .4 拼接网络CatNet088 .4.2 CatNet的Caffe代码实现及说明089 .4.3 CatNet的人脸图像性别分类案例(1)090 .4.3 CatNet的人脸图像性别分类案例(2)091 卷积神经网络的区域模型092 .1 区域卷积网络R-CNN093 .2 快速区域卷积网络Fast R-CNN094 .3 更快区域卷积网络Faster R-CNN095 .3.2 Faster R-CNN的TensorFlow代码实现及说明(1)096 .3.2 Faster R-CNN的TensorFlow代码实现及说明(2)097 .3.2 Faster R-CNN的TensorFlow代码实现及说明(3)098 .3.2 Faster R-CNN的TensorFlow代码实现及说明(4)099 .3.2 Faster R-CNN的TensorFlow代码实现及说明(5)100 .3.2 Faster R-CNN的TensorFlow代码实现及说明(6)101 .3.3 Faster R-CNN的图像目标检测案例及演示效果102 .4 你只看一次网络YOLO103 .4.2 YOLO的TensorFlow代码实现及说明(1)104 .4.2 YOLO的TensorFlow代码实现及说明(2)105 .4.2 YOLO的TensorFlow代码实现及说明(3)106 .4.2 YOLO的TensorFlow代码实现及说明(4)107 .4.3 YOLO的图像目标检测案例及演示效果108 .5 单次检测器SSD109 .5.2 SSD的TensorFlow代码实现及说明(1)110 .5.2 SSD的TensorFlow代码实现及说明(2)111 .5.3 SSD的图像目标检测案例及演示效果112 卷积神经网络的分割模型113 .1 全卷积网络FCN114 .1.2 FCN的Caffe代码实现及说明(1)115 .1.2 FCN的Caffe代码实现及说明(2)116 .1.3 FCN的图像语义和几何分割案例117 .2 金字塔场景分析网络PSPNet118 .2.2 PSPNet的TensorFlow代码实现及说明(1)119 .2.2 PSPNet的TensorFlow代码实现及说明(2)120 .2.3 PSPNet的图像语义分割案例及演示效果121 .3 掩膜区域卷积网络Mask R-CNN122 .3.2 Mask R-CNN的Keras和TensorFlow代码实现及说明(1)123 .3.2 Mask R-CNN的Keras和TensorFlow代码实现及说明(2)124 .3.2 Mask R-CNN的Keras和TensorFlow代码实现及说明(3)125 .3.2 Mask R-CNN的Keras和TensorFlow代码实现及说明(4)126 .3.3 Mask R-CNN的图像实例分割案例及演示效果127 卷积神经网络的特殊模型128 .1 孪生网络SiameseNet129 .1.2 SiameseNet的Caffe代码实现及说明130 .1.3 SiameseNet的手写数字验证案例131 .2 挤压网络SqueezeNet132 .2.2 SqueezeNet的Caffe代码实现及说明133 .2.3 SqueezeNet大规模图像分类案例134 .3 深层卷积生成对抗网络DCGAN135 .3.2 DCGAN的TensorFlow代码实现及说明(1)136 .3.2 DCGAN的TensorFlow代码实现及说明(2)137 .3.3 DCGAN的CelebA人脸图像生成案例138 .4 网中网NIN139 .4.2 NIN的Caffe代码实现及说明140 .4.3 NIN大规模图像分类案例141 卷积神经网络的强化模型142 .1 强化学习的基本概念143 .2 深度强化学习网络的学习算法144 .3 深度强化学习网络的变种模型145 .4 深度强化学习网络的Flappy Bird智能体案例146 .4.1 笨笨鸟网络的开发环境和工具包147 .4.2 笨笨鸟网络的代码实现及说明(1)148 .4.3 笨笨鸟网络的学习训练过程149 .4.4 笨笨鸟网络的演示效果150 卷积神经网络的顶尖成就——AlphaGo151 .1 人工智能棋类程序简介152 .2 AlphaGo的设计原理153 .2.1 总体思路154 .2.2 训练流程155 .2.3 搜索过程156 .3 AlphaGo Zero的新思想157 .4 仿效AlphaGo的围棋程序案例MuGo158 .4.1 MuGo的开发环境159 .4.2 MuGo的代码实现及说明(1)160 .4.2 MuGo的代码实现及说明(2)161 .4.2 MuGo的代码实现及说明(3)162 .4.2 MuGo的代码实现及说明(4)163 .4.2 MuGo的代码实现及说明(5)164 .4.2 MuGo的代码实现及说明(6)165 .4.3 MuGo的学习训练过程166 .4.4 MuGo的演示效果167 附录A Caffe在Windows上的安装过程168 附录B Caffe在Linux上的安装过程169 附录C TensorFlow在Windows上的安装过程170 附录D TensorFlow在Linux上的安装过程171 参考文献(1)172 参考文献(2)173 参考文献(3)174 参考文献(4)175 参考文献(5)176 参考文献(6)177 参考文献(7)
精选推荐
领导力法则
[中国纺织出版社]
陆禹萌
已完结当代文学
销售心理学
[中国纺织出版社]
兰华
已完结当代文学
销售就是玩转情商
[中国纺织出版社]
王威
已完结当代文学
销售员情商实战训练
成功的销售需要高智商，更需要高情商。一个销售员的销售业绩，往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商，提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导，以及实战点拨和情商拓展训练，帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置，有效降低读者阅读疲劳，提高阅读兴趣，不论是奔波在路上的销售小白，还是带领团队奋勇向前的销售经理，都能从中找到适合自己的销售软技巧。
刘军
已完结当代文学
让未来的你，感谢现在勇敢的自己
[中国纺织出版社]
王介威
已完结当代文学
行为心理学：华生的实用心理学课
[中国纺织出版社]
（美）约翰·华生著.倪彩
已完结当代文学
行为心理学入门（完全图解版）
行为心理学入门（完全图解版）是以作者多来年的心理辅导和咨询数据为素材，对现实生活中的行为心理学应用进行了形象、深入、全面的论述和解读。本书与日本心理学图解书形式相同，浅显易读，有趣又益。
武莉
已完结当代文学
自卑与超越
《自卑与（全译插图典藏版）》是个体心理学研究领域的著作，也是人本主义心理学先驱阿尔弗雷德·阿德勒的很好著作。阿德勒的学说以“自卑感”与“创造性自我”为中心，并强调“社会意识”。全书立足个人心理学的观点，从教育、家庭、婚姻、伦理、社交等多个领域，以大量的实例为论述基础，阐明了人生意义的真谛，帮助人们克服自卑、不断超自己，正确对待职业，正确理解社会与性。本书直接促进了亲子教育、人格培养、婚姻与爱情、职业生涯、家庭建设、人际关系等诸多领域的长足发展，成为人们了解心理学的经典读物。
（奥）阿尔弗雷德·阿德勒
已完结当代文学
自制力：道理我都懂，为什么就是过不好人生
[中国纺织出版社]
邱开杰
已完结当代文学