Name: 深度學習實戰之PaddlePaddle
SKU: https://www.books.com.tw/products/CN11645343

內容簡介

本書全面講解了深度學習框架PaddlePaddle，並結合典型案例，闡述了PaddlePaddle的具體應用。本書共15章。第1章介紹了深度學習及其主流框架；第2章介紹了幾種不同的PaddlePaddle安裝方式；第3章使用MNIST數據集實現手寫數字識別；第4章介紹CIFAR彩色圖像識別；第5章介紹了自定義數據集的識別；第6章介紹了驗證碼的識別；第7章介紹了場景文字的識別；第8章實現了驗證碼的端到端的識別；第9～11章講解了車牌識別、使用SSD神經網路完成目標檢測；第12章和第13章介紹了Fluid、可視化工具VisualDL；第14章和第15章介紹了如何在伺服器端與Android移動終端使用PaddlePaddle進行項目實踐。本書適合機器學習愛好者、程序員、人工智慧方面的從業人員閱讀，也可以作為大專院校相關專業的師生用書和培訓學校的教材。

作者介紹

潘志宏，工程師，ACM會員、CCF會員。研究興趣:機器學習(深度學習)、物聯網、移動互聯網。主持和參與省市級、校級項目10余項，發表論文16篇，其中EI、北大核心期刊10篇，作者論文獲得北大核心期刊論文、東莞市電腦學會論文。申請發明專利、實用新型專利共6項，其中獲得軟體著作權3項，已出版教材2部。指導學生獲得省級/市級競賽獎項40余項，多次獲得省級指導教師獎。

王培彬，網名夜雨飄零，多次在省市級學科競賽獲獎，獲得軟體著作權4項，百度PaddlePaddle深度學習框架社區的"騎士團"成員，主要研究方向為電腦視覺。在CSDN博客編寫"我的PaddlePaddle學習之路"系列文章，並在GitHub開源相關代碼，並得到廣泛的認可。

萬智萍，研究興趣：機器學習(深度學習)、物聯網、無線感測器網路，認知無線電，網路安全。主持和參與省市級、校級項目23余項，發表論文45篇，獨撰發表論文32篇，其中中文核心期刊有22篇，CPCI檢索4篇，獲得實用新型專利12項，獲得軟體著作權1項，已出版教材2部。指導學生獲獎共29項，獲得組織先進個人獎。

邱澤敏，系統架構設計師。在機器學習、智能演算法等領域有較多的理論和實踐工作積累，在國內外期刊及會議發表論文10余篇，主持及作為核心人員參與各類省市、校級科研教改項目共6項，實用新型專利1項，軟體著作權1項。

第1章深度學習　1
1.1　引言　1
1.2　深度學習框架簡介　1
1.3　數學基礎知識　3
1.3.1　線性代數相關知識　3
1.3.2　概率論相關知識　10
1.3.3　導數相關知識　13
1.4　簡單的深度學習理論知識　14
1.5　小結　19

第2章 PaddlePaddle的安裝　20
2.1　引言　20
2.2　電腦配置　20
2.3　安裝前的檢查　20
2.4　使用pip安裝　21
2.5　使用Docker安裝　23
2.6　從源碼編譯並生成安裝包　25
2.6.1　在本地編譯並生成安裝包　25
2.6.2　在Docker中編譯並生成
安裝包　28
2.7　編譯Docker鏡像　29
2.8　在Windows作業系統中安裝
PaddlePaddle的方法　30
2.8.1　在Windows系統中安裝
Docker容器　30
2.8.2　在Windows系統中
安裝Ubuntu　35
2.8.3　在Windows 10中安裝Linux
子系統　41
2.9　測試安裝效果　43
2.10　小結　45

第3章　使用MNIST資料集實現手寫
　數位識別　46
3.1　引言　46
3.2　資料集　46
3.3　定義神經網路模型　47
3.4　開始訓練模型　50
3.4.1　導入依賴包　50
3.4.2　初始化Paddle　51
3.4.3　獲取訓練器　51
3.4.4　開始訓練　52
3.5　使用參數預測　54
3.5.1　初始化PaddlePaddle　54
3.5.2　獲取訓練好的參數　54
3.5.3　讀取圖片　54
3.5.4　開始預測　55
3.6　小結　56

第4章　CIFAR資料集中彩色圖像的
　識別　57
4.1　引言　57
4.2　資料集　57
4.3　定義神經網路模型　59
4.4　開始訓練模型　61
4.4.1　導入依賴包　62
4.4.2　初始化Paddle　62
4.4.3　獲取參數　62
4.4.4　創建訓練器　63
4.4.5　開始訓練　64
4.5　使用參數預測　67
4.6　使用其他神經模型　69
4.7　小結　70

第5章　自訂圖像資料集的識別　72
5.1　引言　72
5.2　網路爬蟲技術　72
5.2.1　網路爬蟲的整體框架　72
5.2.2　URL管理器　74
5.2.3　網頁下載器　75
5.2.4　網頁解析器　76
5.3　網路爬蟲實例　77
5.3.1　調度器的使用　79
5.3.2　URL管理器的使用　80
5.3.3　網頁下載器的使用　81
5.3.4　網頁解析器的使用　82
5.3.5　資料收集器的使用　83
5.3.6　運行代碼　84
5.4　資料集　88
5.4.1　生成圖像清單　89
5.4.2　讀取數據　92
5.5　定義神經網路　96
5.6　使用PaddlePaddle開始訓練　97
5.6.1　創建訓練器　98
5.6.2　開始訓練　99
5.7　使用PaddlePaddle預測　102
5.8　小結　104

第6章　驗證碼的識別　105
6.1　引言　105
6.2　資料集的獲取　105
6.2.1　下載驗證碼　106
6.2.2　修改驗證碼的檔案名　107
6.2.3　裁剪驗證碼　108
6.2.4　生成圖像清單　110
6.3　讀取數據　111
6.4　使用PaddlePaddle開始訓練　112
6.5　使用PaddlePaddle預測　118
6.5.1　裁剪驗證碼　118
6.5.2　預測圖像　119
6.5.3　標籤轉成字元　120
6.6　小結　121

第7章　場景文字識別　122
7.1　引言　122
7.2　資料集　122
7.3　定義神經網路模型　123
7.4　數據的讀取　128
7.4.1　讀取圖像清單　128
7.4.2　生成標籤字典　129
7.4.3　讀取訓練數據　131
7.5　訓練模型　133
7.5.1　訓練準備　133
7.5.2　安裝libwarpctc.so庫　135
7.5.3　開始訓練　136
7.6　開始預測　137
7.7　小結　140

第8章　驗證碼端到端的識別　141
8.1　引言　141
8.2　資料集　141
8.3　生成圖像清單檔　143
8.4　數據的讀取　144
8.4.1　讀取資料並存儲成清單　144
8.4.2　生成和讀取標籤字典　145
8.4.3　讀取訓練和測試的資料　146
8.5　定義網路模型　147
8.6　生成訓練器　150
8.7　定義訓練　151
8.8　啟動訓練　152
8.9　開始預測　153
8.10　小結　156

第9章　車牌端到端的識別　157
9.1　引言　157
9.2　車牌資料的採集　157
9.2.1　車牌數據的下載　157
9.2.2　命名車牌圖像　159
9.2.3　車牌定位　159
9.2.4　灰度化圖像　163
9.3　數據的讀取　164
9.3.1　生成列表檔　164
9.3.2　以清單方式讀取資料　165
9.3.3　生成和讀取標籤字典　166
9.3.4　訓練資料和測試資料的
讀取　167
9.4　定義神經網路　169
9.5　開始訓練　171
9.6　開始預測　173
9.7　小結　176

第10章使用VOC資料集實現目標
　檢測　177
10.1　引言　177
10.2　VOC資料集　177
10.2.1　下載VOC資料集　178
10.2.2　生成圖像清單　179
10.3　數據預處理　180
10.4　SSD神經網路　182
10.5　訓練模型　186
10.6　評估模型　189
10.7　預測資料　191
10.7.1　預測並保存預測
結果　191
10.7.2　顯示畫出的框　193
10.8　小結　195

第11章通過自訂圖像資料集實現
　目標檢測　196
11.1　引言　196
11.2　資料集　196
11.2.1　下載車牌數據　196
11.2.2　重命名圖像　197
11.3　標注資料集　198
11.3.1　安裝LabelImg　198
11.3.2　使用LabelImg　198
11.3.3　生成圖像清單　201
11.4　訓練模型　202
11.4.1　預訓練模型處理　202
11.4.2　開始訓練　203
11.5　評估模型　204
11.6　預測圖片　205
11.6.1　獲取預測結果　205
11.6.2　顯示預測結果　206
11.7　小結　208

第12章使用PaddlePaddle Fluid　209
12.1　引言　209
12.2　Fluid版本　209
12.3　定義神經網路　210
12.4　訓練程式　212
12.4.1　定義資料　213
12.4.2　定義平均正確率　213
12.4.3　定義測試程式　213
12.4.4　定義優化方法　214
12.5　訓練模型　214
12.5.1　定義調試器　215
12.5.2　獲取資料　215
12.5.3　開始訓練　216
12.5.4　保存預測模型　217
12.6　預測模型　217
12.7　小結　219

第13章視覺化工具VisualDL的
　使用　220
13.1　引言　220
13.2　VisualDL的介紹　220
13.3　VisualDL的安裝　222
13.3.1　使用pip安裝　223
13.3.2　使用源碼安裝　224
13.4　簡單使用VisualDL　224
13.5　在PaddlePaddle中使用
　VisualDL　226
13.5.1　定義VisualDL
組件　226
13.5.2　編寫PaddlePaddle
代碼　227
13.5.3　把數據添加到
VisualDL中　229
13.6　小結　232

第14章把PaddlePaddle部署到網站
　伺服器上　233
14.1　引言　233
14.2　開發環境　233
14.3　Flask的使用　234
14.3.1　安裝Flask　234
14.3.2　測試Flask框架是否安裝
成功　234
14.3.3　文件上傳　235
14.4　使用PaddlePaddle預測　237
14.4.1　獲取預測模型　237
14.4.2　部署PaddlePaddle　238
14.5　小結　242

第15章把PaddlePaddle應用到
　Android手機　244
15.1　引言　244
15.2　編譯PaddlePaddle庫　244
15.2.1　使用Docker編譯
PaddlePaddle庫　244
15.2.2　使用Linux編譯
PaddlePaddle庫　247
15.3　MobileNet神經網路　250
15.4　訓練模型　254
15.5　編寫預測代碼　258
15.6　合併模型　261
15.7　移植到Android　262
15.7.1　載入PaddlePaddle庫　262
15.7.2　載入合併的模型　263
15.7.3　開發Android程式　263
15.8　小結　272

看更多