《飛槳PaddlePaddle深度學習實戰》是2020年機械工業出版社出版圖書，結合新近PaddlePaddle版本，讓你從“零基礎”到“全精通”。
基本介紹
- 中文名：飛槳PaddlePaddle深度學習實戰
- 作者：劉祥龍、楊晴虹、胡曉光、於佃海、白浩傑、深度學習技術及套用國家工程實驗室、百度技術學院
- 出版時間：2020年9月1日
- 出版社：機械工業出版社
- 頁數：373 頁
- ISBN：978711166236
- 定價：99 元
- 開本：16 開
- 裝幀：平裝
內容簡介,圖書目錄,作者簡介,
內容簡介
本書遵循“內容全面、由淺入深、注重實踐”的原則，基於飛槳PaddlePaddle深度學習平台，較為全面地覆蓋了學習深度學習技術所必須具備的基礎知識以及深度學習主要核心技術，包括相關的數學基礎、Python編程基礎、機器學習基礎以及正向/反向傳播算法、卷積神經網路、循環神經網路等，儘量做到讀懂一本書即可達到“零基礎”到“全精通”。
在章節安排上，考慮讀者的特點和認知規律，在知識架構和案例穿插的設計上確保循序漸進、由淺入深。同時，本書提供了大量的深度學習實戰案例，覆蓋了當前計算機視覺、自然語言處理、個性化推薦等領域主流套用典型的算法，每章都單獨配以飛槳代碼實現，詳細解析實操過程，手把手引導讀者開展實踐練習、深入掌握相關知識。
圖書目錄
序
前言
第一部分 數學與編程基礎篇
第1章 數學基礎與Python庫2
11 Python是進行人工智慧編程的主要語言2
12 數學基礎3
121 線性代數基礎3
122 微積分基礎7
13 Python庫的操作14
131 NumPy操作14
132 Matplotlib操作19
14 本章小結23
第2章 深度學習概論與飛槳入門24
21 人工智慧、機器學習和深度學習25
211 人工智慧25
212 機器學習26
213 深度學習26
22 深度學習的發展歷程27
221 神經網路的第一次高潮27
222 神經網路的第一次寒冬28
223 神經網路的第二次高潮30
224 神經網路的第二次寒冬30
225 深度學習的來臨31
226 深度學習崛起的時代背景31
23 深度學習的套用場景31
231 圖像與視覺32
232 語音識別32
233 自然語言處理33
234 個性化推薦33
24 常見的深度學習網路結構34
241 全連線網路結構34
242 卷積神經網路34
243 循環神經網路35
25 機器學習回顧35
251 線性回歸的基本概念36
252 數據處理37
253 模型概覽38
254 效果展示39
26 深度學習框架簡介40
261 深度學習框架的優勢40
262 常見的深度學習框架41
263 飛槳簡介42
264 飛槳安裝42
265 AI Studio43
27 飛槳實現44
28 飛槳服務平台和工具組件51
281 PaddleHub51
282 X2Paddle54
283 PARL56
284 EasyDL61
29 本章小結62
第二部分 深度學習基礎篇
第3章 深度學習的單層網路64
31 Logistic回歸模型64
311 Logistic回歸概述64
312 損失函式66
313 Logistic回歸的梯度下降68
32 實現Logistic回歸模型72
321 NumPy版本73
322 飛槳版本80
33 本章小結88
第4章 淺層神經網路89
41 神經網路89
411 神經網路的定義及其結構89
412 神經網路的計算91
42 BP算法96
421 邏輯回歸與BP算法96
422 單樣本雙層神經網路的BP算法97
423 多樣本神經網路的BP算法100
43 BP算法實踐103
431 NumPy版本103
432 飛槳版本110
44 本章小結114
第5章 深層神經網路116
51 深層網路介紹116
511 深度影響算法能力116
512 網路演化過程與常用符號118
52 傳播過程120
521 神經網路算法核心思想120
522 深層網路正向傳播過程120
523 深層網路反向傳播過程121
524 傳播過程總結122
53 網路的參數124
54 代碼實現125
541 NumPy版本125
542 飛槳版本128
55 本章小結130
第6章 卷積神經網路131
61 圖像分類問題描述131
62 卷積神經網路介紹132
621 卷積層132
622 ReLU激活函式136
623 池化層137
624 Softmax分類層138
625 主要特點139
626 經典神經網路架構140
63 飛槳實現145
631 數據介紹145
632 模型概覽146
633 配置說明146
64 本章小結153
第7章 循環神經網路154
71 任務描述154
72 循環神經網路介紹155
721 長短期記憶網路156
722 門控循環單元157
723 雙向循環神經網路158
724 卷積循環神經網路159
73 利用飛槳實現機器翻譯159
731 數據準備159
732 柱搜尋 163
733 模型配置167
734 模型訓練168
735 載入訓練模型進行預測169
74 本章小結170
第8章 注意力機制171
81 任務描述171
82 注意力機制介紹172
821 Transformer172
822 Non-local神經網路175
823 Attention Cluster神經網路176
83 利用飛槳實現視頻分類177
831 Non-local神經網路177
832 Attention Cluster183
84 本章小結195
第9章 算法最佳化196
91 基礎知識196
911 訓練、驗證和測試集196
912 偏差和方差197
92 評估198
921 選定評估目標198
922 疊代過程199
923 欠擬合和過擬合199
93 調優策略199
931 降低偏差199
932 降低方差204
94 超參數調優209
941 隨機搜尋和格線搜尋209
942 超參數範圍209
943 分階段搜尋210
944 例子：對學習率的調整210
95 本章小結212
第三部分 飛槳實踐篇
第10章 目標檢測214
101 任務描述214
102 常見模型解析217
1021 R-CNN系列217
1022 YOLO223
1023 SSD228
103 PaddleDetection套用實踐231
1031 Faster-R-CNN231
1032 YOLOv3234
104 本章小結237
第11章 圖像生成238
111 任務描述238
1111 圖像生成238
1112 圖像–圖像轉換239
1113 文本–圖像轉換239
112 模型概覽240
1121 圖像生成240
1122 圖像–圖像241
1123 文本–圖像246
113 PaddleGAN套用實踐248
1131 數據準備248
1132 參數設定248
1133 網路結構定義249
1134 模型訓練253
1135 模型測試 256
114 本章小結257
第12章 情感分析258
121 任務描述258
122 算法原理解析259
1221 BOW259
1222 DB-LSTM259
123 情感分析套用實踐261
1231 數據集下載261
1232 配置模
作者簡介
劉祥龍
副教授，博士生導師，現任職於北京航空航天大學軟體開發環境國家重點實驗室，主要研究大數據檢索、大規模視覺分析、可信賴深度學習等。近年來，主持國家自然科學基金、國防科技創新重點項目、科技創新2030人工智慧重大項目等多項國家課題；發表人工智慧領域國際會議及期刊論文60餘篇。Pattern Recognition等多個國際SCI期刊編委/客座編輯以及ACM MM 2019/2020等國際會議領域主席/高級程式委員等，國家新一代人工智慧產業技術創新戰略聯盟啟智開源開放平台技術委員會委員。曾作為主要執筆人參與國家新一代人工智慧實施建議、AI 20 國家戰略研究發展報告的撰寫。獲陝西省自然科學一等獎、北京市科技新星、中國計算機學會博士學位論文、中國計算機學會首屆青年人才發展計畫等獎勵和榮譽。
楊晴虹
博士，中科院系列高級工程師，北航軟體學院人工智慧專業主講教師，美國南康乃狄克州立大學圖書信息科學訪問學者，美國耶魯大學技術創新實驗室數據分析專家。發表國際論文幾十篇，主要研究領域有機器學習、知識挖掘、大數據分析、項目管理和科研管理等。在機器學習、深度學習、神經網路等領域有豐富的實踐經驗，曾主導和參與多個相關的項目並取得成功。
胡曉光
百度傑出研發架構師，10餘年自然語言處理研發經驗，參與的機器翻譯項目獲得國家科技進步二等獎，現負責飛槳核心訓練框架和模型算法的研發，致力於打造*好用的深度學習平台。
於佃海
百度深度學習平台飛槳（PaddlePaddle）總架構師。2008年從北京大學畢業加入百度，長期從事機器學習、自然語言處理相關的技術研發和平台建設工作，在國際學術會議發表論文十餘篇，作為骨幹成員參與了國家973計畫、國家重點研發計畫、科技創新2030等國家科技計畫的多個項目，曾獲中國電子學會科技進步一等獎、2019年CCF傑出工程師獎。
白浩傑
北航、大連理工特聘講師，百度認證深度學習布道師，美國佛羅里達國際大學高性能數據實驗室訪問學者，致力於移動對象資料庫、數據可視化、機器學習、深度學習等方向的研究。鷗若教育人工智慧主講教師，具有豐富的PaddlePaddle深度學習授課和實驗設計經驗。
