《昇騰AI套用開發》是2021年人民郵電出版社出版的圖書，作者是北京博海迪信息科技有限公司。
基本介紹
- 中文名：昇騰AI套用開發
- 作者：北京博海迪信息科技有限公司
- 出版時間：2021年11月1日
- 出版社：人民郵電出版社
- ISBN：9787115576750
- 開本：16 開
- 裝幀：平裝
內容簡介,作者簡介,圖書目錄,
內容簡介
本書首先介紹了人工智慧的發展史及套用現狀，內容涵蓋當前主流的AI套用技術以及人工智慧基礎學科內容，通過各種編程案例將難以理解的機器學習知識通俗地講述給讀者；通過業界主流開發框架TensorFlow以及華為MindSpore人工智慧學習框架幫助讀者更深層次地理解神經網路算法；同時，介紹了基於?N騰開發的Atlas人工智慧計算平台，其中包括?N騰晶片的硬體和軟體架構；通過華為ModelArts一站式開發平台帶領讀者了解工業級AI開發以及人工智慧開發流程，將華為在人工智慧領域布局的產業及生態展現給讀者，幫助讀者了解、認識、熟知華為人工智慧產業。
本書適合從事工程科技類工作的讀者閱讀，也適合對人工智慧感興趣的讀者、開發人員以及高校教師與學生。
作者簡介
北京博海迪信息科技有限公司聚焦於雲計算、大數據、人工智慧、5G、區塊鏈、軟體開發、物聯網、網路安全、數據通信等領域的創新產業人才培養，通過產教融合雲平台與專業教育服務融合的方式，累計服務800餘所高校和5000多家企業，為社會輸送了超過25萬名ICT產業高端人才。
圖書目錄
第 1章 人工智慧概述 1
1．1 鯤鵬&昇騰生態概述 2
1．1．1 鯤鵬生態概述 2
1．1．2 晶片產業概述 3
1．1．3 昇騰系列晶片概述 4
1．2 人工智慧概述 7
1．2．1 人工智慧技術的發展 7
1．2．2 人工智慧技術的主要領域 9
1．2．3 人工智慧技術的價值 11
1．2．4 人工智慧平台Atlas 13
1．3 百花齊放的AI時代 14
1．4 本章小結 16
第 2章 機器學習 17
2．1 機器學習概述 18
2．1．1 機器學習介紹 18
2．1．2 機器學習主要流派 18
2．1．3 機器學習、數據挖掘、人工智慧的區別 21
2．2 機器學習分類 24
2．2．1 監督學習 24
2．2．2 非監督學習 24
2．2．3 半監督學習 25
2．2．4 強化學習 25
2．3 機器學習流程及重要方法 26
2．3．1 機器學習流程 26
2．3．2 常見的統計方法介紹 28
2．3．3 數據降維 31
2．3．4 特徵工程 34
2．3．5 機器學習效果評測 35
2．3．6 可視化分析 38
2．4 機器學習常見算法 42
2．4．1 線性回歸 42
2．4．2 多項式回歸 50
2．4．3 邏輯回歸 51
2．4．4 梯度下降算法 54
2．4．5 決策樹 60
2．4．6 支持向量機 63
2．4．7 KNN 65
2．4．8 樸素貝葉斯 68
2．4．9 集成學習 72
2．4．10 聚類算法 77
2．5 本章小結 83
第3章 深度學習 85
3．1 深度學習概述 86
3．2 神經網路 87
3．2．1 前饋神經網路 87
3．2．2 反饋神經網路 89
3．2．3 神經網路相關概念 91
3．3 卷積神經網路 96
3．4 循環神經網路 100
3．5 LSTM 103
3．5．1 RNN中包含單個層重複模組 104
3．5．2 LSTM重複模組包含4個互動層 104
3．5．3 LSTM背後的核心理念 105
3．5．4 LSTM分步執行 105
3．6 神經網路最佳化 107
3．7 強化學習 113
3．7．1 獎勵驅動行為思想 113
3．7．2 強化學習的基本框架 114
3．7．3 強化學習算法 114
3．8 本章小結 116
第4章 TensorFlow機器學習框架 117
4．1 TensorFlow 2．x安裝 118
4．2 TensorFlow 1．x 與TensorFlow 2．x的差別 120
4．3 TensorFlow基礎語法 121
4．3．1 TensorFlow基礎概念 121
4．3．2 第 一個TensorFlow實例 139
4．3．3 TensorFlow2．0 Eager Execution模式 147
4．3．4 TensorFlow常用模組介紹 148
4．3．5 TensorFlow模型套用 155
4．4 TensorFlow實操案例 159
4．4．1 TensorFlow實現線性回歸案例 159
4．4．2 TensorFlow實現k-means算法案例 161
4．4．3 TensorFlow mnist 數據集手寫體識別案例 164
4．4．4 TensorFlow 實現簡單神經網路 165
4．4．5 TensorFlow實現貓狗識別案例 166
4．4．6 TensorFlow實現RNN空氣污染案例 169
4．5 本章小結 173
第5章 MindSpore開發框架 175
5．1 MindSpore概述 176
5．2 MindSpore基礎套用 176
5．2．1 載入數據集 176
5．2．2 定義網路 179
5．2．3 保存模型 181
5．3 MindSpore案例 184
5．3．1 使用MindSpore實現深度神經網路 184
5．3．2 使用MindSpore實現LSTM的文本預測 188
5．4 本章小結 197
第6章 Atlas人工智慧計算平台 199
6．1 AI晶片概述 200
6．2 昇騰晶片硬體架構 200
6．2．1 昇騰AI處理器總覽 200
6．2．2 達文西架構 202
6．3 昇騰晶片軟體架構 203
6．4 Atlas人工智慧計算平台 206
6．4．1 基本介紹 206
6．4．2 Atlas產品代表 207
6．5 Atlas的行業套用 208
6．5．1 華為Atlas構建輸電設備物聯網 208
6．5．2 人工智慧落地套用按下“加速鍵” 210
6．5．3 助力開發者 211
6．5．4 促進醫療行業 211
6．5．5 最佳化城市交通 211
6．5．6 推動AI行業發展 212
6．6 本章小結 212
第7章 ModelArts套用維護 213
7．1 ModelArts人工智慧套用開發平台概述 214
7．2 數據準備 214
7．2．1 數據採集 215
7．2．2 數據接入 215
7．2．3 數據處理 216
7．2．4 數據標註 224
7．2．5 數據分析和最佳化 230
7．3 算法選擇與開發 233
7．3．1 基礎層算法選擇 233
7．3．2 套用層算法選擇 238
7．3．3 ModelArts預置算法選擇 243
7．3．4 算法開發 244
7．3．5 ModelArts雲上雲下協同開發 250
7．4 模型訓練 251
7．4．1 模型訓練的基本過程 251
7．4．2 基於ModelArts的模型訓練 256
7．4．3 端到端訓練加速 261
7．4．4 自動搜尋 274
7．5 模型評估與調優 279
7．5．1 模型評估 280
7．5．2 精度診斷最佳化 292
7．6 套用生成與發布 298
7．6．1 套用管理 298
7．6．2 套用部署和發布 306
7．7 套用維護 313
7．7．1 數據採集和篩選 315
7．7．2 套用疊代 318
7．7．3 基於ModelArts的套用維護 319
7．8 案例：智慧工地安全帽識別 324
7．9 本章小結 327
第8章 人工智慧套用開發流程 333
8．1 人工智慧套用開發流程解析 334
8．1．1 數據準備子流程 336
8．1．2 算法選擇和開發子流程 337
8．1．3 模型訓練子流程 338
8．1．4 模型評估和調優子流程 339
8．1．5 套用生成、評估和發布子流程 340
8．1．6 套用維護子流程 340
8．2 人工智慧套用開發流程的權衡 341
8．2．1 複雜和簡單的取捨 341
8．2．2 人與機器的平衡 342
8．2．3 開發和運行的融合 342
8．3 人工智慧套用開發全流程的成本分析 343
8．3．1 設計和開發成本 343
8．3．2 部署和維護成本 344
8．3．3 邊際成本 344
8．4 本章小結 345
第9章 人工智慧套用開發場景實戰 347
9．1 基於ModelArts JupyterLab線上調優鋼筋檢測 348
9．1．1 環境準備 348
9．1．2 下載代碼和數據集 352
9．1．3 載入需要的Python模組 353
9．1．4 查看訓練數據樣例 354
9．1．5 顯示原圖和標註框 354
9．1．6 定義訓練超參、模型、日誌保存路徑 357
9．1．7 構建模型，定義最佳化器及損失函式 358
9．1．8 定義自適應學習率函式 358
9．1．9 定義訓練函式 358
9．1．10 開始訓練模型 360
9．1．11 定義目標檢測類 360
9．1．12 定義推理網路，並載入前面訓練的loss最低的模型 361
9．1．13 測試圖片，輸出每條鋼筋的位置和圖片中鋼筋總條數 362
9．2 電影推薦系統構建 364
9．3 基於RFM模型的航空公司客戶價值分析案例 367
9．3．1 背景與挖掘目標 367
9．3．2 分析方法與過程 367
9．4 本章小結 383
