欢迎光临中图网 请 | 注册
> >
深度学习-21天实战Caffe

深度学习-21天实战Caffe

作者:赵永科
出版社:电子工业出版社出版时间:2016-07-01
开本: 32开 页数: 392
读者评分:5分1条评论
中 图 价:¥38.7(4.9折) 定价  ¥79.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
温馨提示:5折以下图书主要为出版社尾货,大部分为全新(有塑封/无塑封),个别图书品相8-9成新、切口
有划线标记、光盘等附件不全详细品相说明>>
本类五星书更多>

深度学习-21天实战Caffe 版权信息

深度学习-21天实战Caffe 本书特色

本书是一本深度学习入门读物。以目前已经大量用于线上系统的深度学习框架caffe为例,由浅入深,从 caffe 的配置、部署、使用开始学习,通过阅读 caffe 源码理解其精髓,加强对深度学习理论的理解,*终达到熟练运用 caffe 解决实际问题的目的。和国外机器学习、深度学习大部头著作相比,本书偏重动手实践,将难以捉摸的枯燥理论用浅显易懂的形式表达,透过代码揭开其神秘面纱,更多地贴近实际应用。

深度学习-21天实战Caffe 内容简介

√ 本书内容来自作者长期学习研究及在阿里一线相关工作经历。√ caffe是应用*广的深度学习框架,非常适于用来练手和入门。√ 本书侧重解决实际问题及理解深度学习理论,实例、习题丰富。√ 既狠抓基功又紧扣产业,既详述工具、模型又深入分析源码。 

深度学习-21天实战Caffe 目录

上篇  初见第1天  什么是深度学习 21.1  星星之火,可以燎原 31.2  师夷长技 41.2.1  谷歌与微软 41.2.2  facebook、亚马逊与nvidia 51.3  中国崛起 61.3.1  bat在路上 61.3.2  星光闪耀 71.3.3  企业热是风向标 81.4  练习题 9第2天  深度学习的过往 102.1  传统机器学习的局限性 102.2  从表示学习到深度学习 112.3  监督学习 122.4  反向传播算法 132.5  卷积神经网络 152.6  深度学习反思 172.7  练习题 182.8  参考资料 18第3天  深度学习工具汇总 193.1  caffe 193.2  torch & overfeat 203.3  mxnet 223.4  tensorflow 223.5  theano 243.6  cntk 243.7  练习题 253.8  参考资料 26第4天  准备caffe环境 274.1  mac os环境准备 274.2  ubuntu环境准备 284.3  rhel/fedora/centos环境准备 294.4  windows环境准备 294.5  常见问题 324.6  练习题 324.7  参考资料 33第5天  caffe依赖包解析 345.1  protobuffer 345.2  boost 385.3  gflags 385.4  glog 395.5  blas 405.6  hdf5 415.7  opencv 425.8  lmdb和leveldb 425.9  snappy 435.10  小结 435.11  练习题 495.12  参考资料 49第6天  运行手写体数字识别例程 506.1  mnist数据集 506.1.1  下载mnist数据集 506.1.2  mnist数据格式描述 516.1.3  转换格式 536.2  lenet-5模型 606.2.1  lenet-5模型描述 606.2.2  训练超参数 656.2.3  训练日志 666.2.4  用训练好的模型对数据进行预测 766.2.5  windows下训练模型 766.3  回顾 786.4  练习题 796.5  参考资料 79篇尾语 80中篇  热恋第7天  caffe代码梳理 827.1  caffe目录结构 827.2  如何有效阅读caffe源码 847.3  caffe支持哪些深度学习特性 867.3.1  卷积层 867.3.2  全连接层 897.3.3  激活函数 917.4  小结 997.5  练习题 997.6  参考资料 100第8天  caffe数据结构 1018.1  blob 1018.1.1  blob基本用法 1028.1.2  数据结构描述 1088.1.3  blob是怎样炼成的 1098.2  layer 1258.2.1  数据结构描述 1268.2.2  layer是怎样建成的 1278.3  net 1368.3.1  net基本用法 1368.3.2  数据结构描述 1398.3.3  net是怎样绘成的 1398.4  机制和策略 1468.5  练习题 1478.6  参考资料 148第9天  caffe i/o模块 1499.1  数据读取层 1499.1.1  数据结构描述 1499.1.2  数据读取层实现 1509.2  数据变换器 1559.2.1  数据结构描述 1559.2.2  数据变换器的实现 1569.3  练习题 171第10天  caffe模型 17210.1  prototxt表示 17310.2  内存中的表示 17610.3  磁盘上的表示 17610.4  caffe model zoo 17810.5  练习题 18010.6  参考资料 180第11天  caffe前向传播计算 18111.1  前向传播的特点 18111.2  前向传播的实现 18211.2.1  dag构造过程 18211.2.2  net forward实现 19011.3  练习题 192第12天  caffe反向传播计算 19312.1  反向传播的特点 19312.2  损失函数 19312.2.1  算法描述 19412.2.2  参数描述 19512.2.3  源码分析 19512.3  反向传播的实现 20312.4  练习题 205第13天  caffe*优化求解过程 20713.1  求解器是什么 20713.2  求解器是如何实现的 20813.2.1  算法描述 20813.2.2  数据结构描述 21013.2.3  cnn训练过程 21813.2.4  cnn预测过程 22513.2.5  solver的快照和恢复功能 22713.3  练习题 230第14天  caffe实用工具 23114.1  训练和预测 23114.2  特征提取 24114.3  转换图像格式 24714.4  计算图像均值 25414.5  自己编写工具 25714.6  练习题 257篇尾语 258下篇  升华第15天  caffe计算加速 26015.1  caffe计时功能 26015.2  caffe gpu加速模式 26215.2.1  gpu是什么 26215.2.2  cuda是什么 26315.2.3  gpu、cuda和深度学习 26315.2.4  caffe gpu环境准备 26415.2.5  切换到caffe gpu加速模式 26815.3  caffe cudnn加速模式 26915.3.1  获取cudnn 27015.3.2  切换到caffe cudnn加速模式 27015.3.3  caffe不同硬件配置性能 27215.4  练习题 27315.5  参考资料 273第16天  caffe可视化方法 27516.1  数据可视化 27516.1.1  mnist数据可视化 27516.1.2  cifar10数据可视化 27716.1.3  imagenet数据可视化 27816.2  模型可视化 27916.2.1  网络结构可视化 27916.2.2  网络权值可视化 28116.3  特征图可视化 28816.4  学习曲线 29516.5  小结 29816.6  练习题 29816.7  参考资料 299第17天  caffe迁移和部署 30017.1  从开发测试到生产部署 30017.2  使用docker 30217.2.1  docker基本概念 30217.2.2  docker安装 30317.2.3  docker入门 30517.2.4  docker使用进阶 31217.3  练习题 31717.4  参考资料 317第18天  关于ilsvrc不得不说的一些事儿 31818.1  imagenet数据集 31818.2  ilsvrc比赛项目 31918.2.1  图像分类(cls) 32018.2.2  目标定位(loc) 32018.2.3  目标检测(det) 32118.2.4  视频目标检测(vid) 32218.2.5  场景分类 32218.3  caffe ilsvrc实践 32318.4  练习题 32618.5  参考资料 326第19天  放之四海而皆准 32719.1  图像分类 32719.1.1  问题描述 32719.1.2  应用案例——商品分类 33019.2  图像中的字符识别 33219.2.1  问题描述 33219.2.2  应用案例——身份证实名认证 33319.3  目标检测 33719.3.1  问题描述 33719.3.2  *佳实践——运行r-cnn例程 33719.4  人脸识别 34019.4.1  问题描述 34019.4.2  *佳实践——使用face sdk实现人脸检测 34219.5  自然语言处理 34319.5.1  问题描述 34319.5.2  *佳实践——nlp-caffe 34419.6  艺术风格 35019.6.1  问题描述 35019.6.2  *佳实践——style-transfer 35219.7  小结 35419.8  练习题 35419.9  参考资料 355第20天  继往开来的领路人 35620.1  caffe traps and pitfalls 35620.1.1  不支持任意数据类型 35620.1.2  不够灵活的高级接口 35720.1.3  繁杂的依赖包 35720.1.4  堪忧的卷积层实现 35720.1.5  架构之殇 35820.1.6  应用场景局限性 35820.2  *佳实践——caffe2 35920.3  练习题 36120.4  参考资料 362第21天  新生 36321.1  三人行,必有我师 36321.2  路漫漫其修远兮,吾将上下而求索 364篇尾语 366结束语 367附录a  其他深度学习工具 368
展开全部

深度学习-21天实战Caffe 相关资料

深度学习是当今人工智能领域最炙手可热的技术,caffe又是深度学习众多开源框架中很杰出的一款。永科撰写的这本著作,倾注了很多心血——既有深度学习理论知识的讲解,又有caffe源代码的剖析,还包括解决实际问题的案例;内容翔实、思考全面、深入浅出,每章末尾还附有练习题和参考资料,是大家了解深度学习知识、实践人工智能应用的一本优秀指南。——陈运文 博士 达观数据董事长&ceo 赵永科的文章和他本人的工作态度一样诚恳。本书不仅收纳深度学习的顶级心法与最新产业进展,还手把手带领读者实践工具设置与模型搭建,并深入浅出地剖析caffe源代码和实現方法,可说是内外兼修,绝对是诚意十足的大作!——简士伟 英特尔(数据中心工程事业群)平台方案架构师 本书带领您深入浅出地穿越深度学习模型,揭开它神秘的面纱;通俗易懂,实践性强,用实例引导读者从基本原理到代码实现再到应用场景,涵盖了深度学习的热门技术,是目前市面上为数不多的深度学习源码解析类参考资料,也是一本可以让你快速掌握深度学习精髓的好书!——刘莹 中国科学院大学教授|博导,cuda教学中心主持人|cuda研究中心主持人 本书对深度学习的历史做了简单梳理,对深度学习常用开源库做了非常全面的介绍,尤其对caffe做了非常深入的剖析,是一本既探究caffe代码细节,又介绍深度学习可视化与比赛的书籍,是一本非常实用的深度学习入门及工具书籍,相信该书会对国内深度学习应用的普及产生至关重要的影响。——孙佰贵 阿里巴巴资深算法工程师 这本书是国内第一本在代码级别上全面剖析caffe框架的指导书,同时也是一本真正的实战手册。——辛淼 caffe中国用户社区(caffecn)创始人 深度学习毫无疑问是当今it行业最火热的词汇之一。作为nvidia负责高性能计算团队的负责人,我看到越来越多的公司在深度学习领域做着大量的投入。深度学习让我们有了更高的图像识别率,更准确的语音识别工具,有了alphago。而许多有志于在深度学习领域一展拳脚的研发人员,却苦于没有一本浅显易懂的的深度学习入门书籍,来引领他们开始使用深度神经网络这一强大的工具。本书以应用广泛的caffe为切入点,深入地介绍了caffe的使用及一些应用实例,可以让读者对深度学习应用的开发过程有一个非常直观的理解。好比学习一门新的编程语言最有效的手段就是编写几个例子程序一样,本书正可以作为深度学习研发人员的《21 天学通》手边书。——赖俊杰,英伟达 高性能计算团队 技术经理 有两次标志性的事件让深度学习进入了大众视野。其中一件是谷歌大脑学会了“猫脸识别”,另外一件就是alphago战胜了李世石。尤其是后者,借助李世石本身在围棋界巨大的影响力,深度学习彻底被大众所认知。人们惊呼,人工智能的时代要来临了吗?我本人认为,是的。伴随摩尔定律下计算机运算能力的大幅提升,人工智能在越来越多的领域找到了有价值的落脚点。这一代的机器学习工作者无疑是非常幸运的,一个注定伟大的时代等待着大家去探索。很高兴看到国内这么快就出现了这样一本深度学习的原创书籍,而更加难能可贵的是,本书内容还是来自于作者在阿里云进行深度学习一线工作的实战总结,相信此书可以帮助大家更好地进入这个日新月异的领域。——谷文栋 推荐技术社区resyschina发起人 本书非常详细从深度学习的来龙去脉到caffe框架进行详细的讲解,并难能可贵的引入了底层算法(最优化,深度网络前向传播,深度网络反向传播)介绍,为进一步深度奠定基础,是一本非常适合初学者的深度学习书籍。——涂鸦科技技术总监柯都敏、涂鸦科技图像算法专家孙农海

深度学习-21天实战Caffe 作者简介

卜居,真名赵永科,CSDN 博主,博客地址:,现就职于阿里云计算有限公司,从事计算机体系结构、高性能计算系统设计。对计算机视觉、深度学习具有浓厚兴趣。擅长 CPU/GPU/FPGA 的算法加速与性能优化。

商品评论(1条)
  • 主题:崭新封面,特别好的专业书籍。

    崭新封面,特别好的专业书籍。

    2018/2/13 17:15:53
    读者:201***(购买过本书)
书友推荐
编辑推荐
返回顶部
中图网
在线客服