《PlePle Fluid 深度學習入門與實戰》是2021年人民郵電出版社出版的圖書。
基本介紹
- 中文名：PlePle Fluid 深度學習入門與實戰
- 作者：潘志宏,王培彬
- 類別：計算機/網路類圖書
- 出版社：人民郵電出版社
- 出版時間：2021年
- 開本：128 開
- 裝幀：平裝
- ISBN：9787115555397
內容簡介,圖書目錄,作者簡介,
內容簡介
本書全面講解PaddlePaddle Fluid框架在深度學習領域的套用。全書共15章，分別是PaddlePaddle深度學習開發環境的搭建、PaddlePaddle快速入門、線性回歸算法實戰、卷積神經網路實戰、循環神經網路實戰、生成對抗網路實戰、強化學習實戰、模型的保存與使用、遷移學習實戰可視化工具Visual DL的使用、自定義圖像數據集識別項目實戰、自定義文本數據集分類項目實戰、動態圖的使用、開發具有AI能力的伺服器接口、移動端深度學習框架Paddle Lite的項目實戰。 本書實例豐富，適合機器學習愛好者、程式設計師、人工智慧方面的從業人員閱讀，也可以作為人工智慧相關專業的師生用書和相關培訓學校的教材。
圖書目錄
第 1章 PaddlePaddle深度學習開發環境的搭建
1.1 深度學習與PaddlePaddle
1.2 PaddlePaddle能做些什麼
1.3 如何學習本書
1.4 Python的安裝
1.5 本地安裝PaddlePaddle
1.5.1 Windows作業系統下安裝PaddlePaddle
1.5.2 Ubuntu作業系統下安裝PaddlePaddle
1.6 PyCharm的使用
1.7 AI Studio平台的使用
1.8 本章小結
第 2章 PaddlePaddle快速入門
2.1 兩個小實例讓PaddlePaddle跑起來
2.2 PaddlePaddle常量的使用
2.3 PaddlePaddle變數的使用
2.4 本章小結
第3章 PaddlePaddle的HelloWorld——線性回歸算法
3.1 邁入PaddlePaddle實戰第 一站
3.2 PaddlePaddle深度學習實戰—線性回歸算法
3.2.1 深度神經網路模型的搭建
3.2.2 利用房價數據集對深度神經網路模型進行驗證
3.3 本章小結
第4章 卷積神經網路實戰——MNIST手寫數字識別
4.1 圖像識別之卷積神經網路模型
4.2 PaddlePaddle CNN模型實戰—MNIST手寫數字識別
4.3 本章小結
第5章 循環神經網路實戰——電影評論數據集的情感分析
5.1 自然語言處理之循環神經網路模型
5.2 PaddlePaddle搭建情感分析項目RNN模型
5.3 利用電影評論數據集對RNN模型進行驗證
5.4 本章小結
第6章 生成對抗網路實戰——增強數據集
6.1 生成對抗網路
6.2 GAN增強數據集實戰—訓練GAN模型
6.2.1 創建生成器
6.2.2 創建判別器
6.3 本章小結
第7章 強化學習實戰——在遊戲反饋中變得更聰明
7.1 強化學習簡介
7.2 項目測試遊戲Gym的簡介
7.3 訓練DQN模型——讓DQN模型在遊戲中不斷學習並獲得高分
7.4 本章小結
第8章 PaddlePaddle模型的保存與使用
8.1 深度學習模型的保存與使用
8.2 訓練模型.
8.3 載入訓練模型
8.4 保存訓練模型
8.5 使用模型進行預測
8.6 本章小結
第9章 遷移學習實戰——花卉類型識別
9.1 遷移學習簡介
9.2 遷移學習套用場景分析
9.3 花卉類型識別項目實戰—訓練模型
9.4 花卉類型識別項目實戰—驗證模型
9.5 本章小結
第 10章 PaddlePaddle可視化工具Visual DL的使用
10.1 可視化工具的重要性
10.2 PaddlePaddle Visual DL的介紹
10.3 PaddlePaddle Visual DL的安裝
10.4 Visual DL的簡單用法
10.5 模型訓練中使用Visual DL
10.6 本章小結
第 11章 自定義圖像數據集識別項目實戰——水果識別
11.1 自定義數據集
11.2 項目圖像數據集的爬取
11.3 為圖像數據集生成圖像列表
11.4 定義神經網路模型
11.5 PaddlePaddle讀取訓練數據
11.6 訓練模型
11.7 預測模型
11.8 本章小結
第 12章 自定義文本數據集分類項目實戰——新聞標題分類
12.1 自定義文本數據集
12.2 新聞標題分類實戰—獲取文本數據集
12.3 對爬取數據進行預處理和存儲
12.4 定義BiLSTM模型
12.5 讀取文本數據集
12.6 訓練模型
12.7 預測文本數據.
12.8 本章小結
第 13章 PaddlePaddle動態圖的使用
13.1 PaddlePaddle動態圖機制.
13.2 搭建動態圖模型
13.3 訓練動態圖模型
13.4 預測模型
13.5 本章小結
第 14章 開發具有AI能力的伺服器接口
14.1 具有AI能力的伺服器接口
14.2 Python Web開發框架Flask簡介
14.3 PaddlePaddle預測伺服器接口
14.4 本章小結
第 15章 移動端深度學習框架Paddle Lite的項目實戰——水果識別App
15.1 Paddle Lite簡介
15.2 安裝Paddle Lite
15.2.1 Docker環境搭建
15.2.2 Ubuntu環境搭建
15.2.3 編譯Paddle Lite
15.3 最佳化移動端的深度學習模型
15.4 Android水果識別App的開發
15.5 本章小結
作者簡介
潘志宏 副教授、高級工程師，中國人工智慧學會高級會員，廣州新華學院教師。研究方向包括機器學習、深度學習、物聯網等。著有《深度學習實戰之PaddlePaddle》《深入淺出GAN 生成對抗網路：原理剖析與TensorFlow 實踐》，獲得人工智慧相關軟體著作權、專利若干項，主持廣東省普通高校青年創新人才項目、教育部產學合作協同育人項目。 王培彬 網名夜雨飄零，PaddlePaddle PPDE 成員，中國人工智慧學會深度學習專委會高級會員，智慧型科技公司算法工程師。曾參與編著《深度學習實戰之PaddlePaddle》，擅長深度學習、Python、Java 等技術領域。
