PaddlePaddle與深度學習套用實戰

PaddlePaddle與深度學習套用實戰

《PaddlePaddle與深度學習套用實戰》是2018年5月電子工業出版社出版的圖書,作者是程天恆。

基本介紹

  • 書名:PaddlePaddle與深度學習套用實戰
  • 作者:程天恆
  • ISBN:9787121342479
  • 頁數:232頁
  • 定價:65元
  • 出版社:電子工業出版社
  • 出版時間:2018年5月
  • 開本:16開
內容簡介,圖書目錄,

內容簡介

深度學習是目奔淋捉前人工智慧研究中前沿、有效的一項技術,主要通過構建深度神經網路解決視覺、自然語言處理、語音識別等諸多領域的問題。百度在2016年發布了國內首個開源深度學習框架PaddlePaddle,簡化了深度學習算法的實現步驟,提供了靈活、易用的接口,設婚辨同時支持分散式訓練。 本書由簡單的例子引入深度學習和PaddlePaddle框架,介紹了PaddlePaddle的安裝、測試與基本使用,並結合PaddlePaddle接口介紹深度學習的基礎知識,包括常用的神經網路和算法。最後,通過一系列深度學習項目實例介紹PaddlePaddle在各種場景和體檔刪問題中的套用,讓讀者由淺至深地理解並運用深度學習斷探和章解決實際問題。

圖書目錄

第1 章 深度學習簡介 .............................................................................................................. 1
1.1 初見 ....................................................................................................................................... 1
1.2 機器學習 ............................................................................................................................... 1
1.3 神經網路 ............................................................................................................................... 3
1.4 深度學習介紹 ....................................................................................................................... 7
1.5 深度學習套用 ....................................................................................................................... 8
1.6 深度學習框請慨架 ..................................................................................................................... 12
1.7 深度學愉她習習的未來 ................................................................................................................. 15
第2 章 PaddlePaddle 簡介 ................................................................................................... 16
2.1 安戒姜希拔裝PaddlePaddle ............................................................................................................... 16
2.2 測試PaddlePaddle ............................................................................................................... 29
第3 章 初探手寫數字識別 .................................................................................................... 31
第4 章 PaddlePaddle 基本用法 ........................................................................................... 44
4.1 數據準備 ............................................................................................................................. 44
4.2 原始數據讀取及預處理 ..................................................................................................... 44
4.3 PaddlePaddle 訓練數據 ....................................................................................................... 46
4.4 模型配置 ............................................................................................................................. 52
4.5 激活函式 ............................................................................................................................. 58
4.6 最佳化方法 ............................................................................................................................. 64
4.7 損失函式 ............................................................................................................................. 72
4.8 均方損失函式 ..................................................................................................................... 73
4.9 交叉熵損失函式 ................................................................................................................. 73
4.10 Huber 損失函式 ................................................................................................................ 74
4.11 CRF 損失函式 ................................................................................................................... 74
4.12 CTC 損失函式 ................................................................................................................... 75
4.13 反向傳播算法 ................................................................................................................... 75
第5 章 卷積神經網路 ............................................................................................................ 78
5.1 卷積神經網路 ..................................................................................................................... 78
5.2 實例學習 ............................................................................................................................. 87
5.3 拓展 ................................................................................................................................... 112
第6 章 循環神經網路 .......................................................................................................... 118
6.1 RNN 簡介 .......................................................................................................................... 118
6.2 雙向循環神經網路 ........................................................................................................... 121
6.3 循環神經網路使用場景 ................................................................................................... 127
6.4 預測sin 函式序列 ............................................................................................................. 129
6.5 拓展 ................................................................................................................................... 134
第7 章 PaddlePaddle 實戰 ................................................................................................. 136
7.1 自編碼器 ........................................................................................................................... 136
7.2 PaddlePaddle 實現自編碼器 ............................................................................................. 137
7.3 實戰OCR 識別(一) ..................................................................................................... 140
7.4 實戰OCR 識別(二) ..................................................................................................... 150
7.5 情感分析 ........................................................................................................................... 164
7.6 Seq2Seq 及其套用 ............................................................................................................ 172
7.7 實現 ................................................................................................................................... 178
7.8 Image Caption .................................................................................................................... 194
第8 章 深度學習新星:生成對抗網路GAN ....................................................................... 208
8.1 生成對抗網路(GAN) ................................................................................................... 208
8.2 GAN 的其他套用 .............................................................................................................. 213
第9 章 強化學習與AlphaGo .............................................................................................. 216
1.7 深度學習的未來 ................................................................................................................. 15
第2 章 PaddlePaddle 簡介 ................................................................................................... 16
2.1 安裝PaddlePaddle ............................................................................................................... 16
2.2 測試PaddlePaddle ............................................................................................................... 29
第3 章 初探手寫數字識別 .................................................................................................... 31
第4 章 PaddlePaddle 基本用法 ........................................................................................... 44
4.1 數據準備 ............................................................................................................................. 44
4.2 原始數據讀取及預處理 ..................................................................................................... 44
4.3 PaddlePaddle 訓練數據 ....................................................................................................... 46
4.4 模型配置 ............................................................................................................................. 52
4.5 激活函式 ............................................................................................................................. 58
4.6 最佳化方法 ............................................................................................................................. 64
4.7 損失函式 ............................................................................................................................. 72
4.8 均方損失函式 ..................................................................................................................... 73
4.9 交叉熵損失函式 ................................................................................................................. 73
4.10 Huber 損失函式 ................................................................................................................ 74
4.11 CRF 損失函式 ................................................................................................................... 74
4.12 CTC 損失函式 ................................................................................................................... 75
4.13 反向傳播算法 ................................................................................................................... 75
第5 章 卷積神經網路 ............................................................................................................ 78
5.1 卷積神經網路 ..................................................................................................................... 78
5.2 實例學習 ............................................................................................................................. 87
5.3 拓展 ................................................................................................................................... 112
第6 章 循環神經網路 .......................................................................................................... 118
6.1 RNN 簡介 .......................................................................................................................... 118
6.2 雙向循環神經網路 ........................................................................................................... 121
6.3 循環神經網路使用場景 ................................................................................................... 127
6.4 預測sin 函式序列 ............................................................................................................. 129
6.5 拓展 ................................................................................................................................... 134
第7 章 PaddlePaddle 實戰 ................................................................................................. 136
7.1 自編碼器 ........................................................................................................................... 136
7.2 PaddlePaddle 實現自編碼器 ............................................................................................. 137
7.3 實戰OCR 識別(一) ..................................................................................................... 140
7.4 實戰OCR 識別(二) ..................................................................................................... 150
7.5 情感分析 ........................................................................................................................... 164
7.6 Seq2Seq 及其套用 ............................................................................................................ 172
7.7 實現 ................................................................................................................................... 178
7.8 Image Caption .................................................................................................................... 194
第8 章 深度學習新星:生成對抗網路GAN ....................................................................... 208
8.1 生成對抗網路(GAN) ................................................................................................... 208
8.2 GAN 的其他套用 .............................................................................................................. 213
第9 章 強化學習與AlphaGo .............................................................................................. 216

相關詞條

熱門詞條

聯絡我們