给大家带来的一篇关于人工智能相关的电子书资源，介绍了关于深度学习、卷积、神经网络、入门到精通方面的内容，本书是由机械工业出版社出版，格式为PDF，资源大小223.4 MB，李玉鑑 张婷 单传编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：7.7。
内容介绍
这书潜心探讨深度神经网络中运用十分普遍的实体模型——卷积神经网络，该实体模型非常适用图象归类和鉴别、总体目标切分和检验及其人工智能技术手机游戏层面，受众群体另一半包含电子计算机、自动化技术、信号分析、机电安装工程、应用数学等有关技术专业的硕士研究生、老师及其数据工程师和科学研究工作人员。这书的较大特点是对卷积神经网络开展循序渐进的归类叙述，先后包含：当代原型、攻克实体模型、应变力实体模型、加重实体模型、跨连实体模型、区域模型、切分实体模型、独特实体模型、加强实体模型和顶级贡献。这类归类架构是在实体模型简述和准备专业知识的基本上逐渐进行的，既便捷用户入门学习，又有利于用户深层次刻苦钻研。
目录
第1章 概述
1.1 深度学习的起源和发展
1.2 卷积神经网络的形成和演变
1.3 卷积神经网络的应用和影响
1.4 卷积神经网络的缺陷和视图
1.5 卷积神经网络的GPU实现和cuDNN库
1.6 卷积神经网络的平台和工具
1.7 本书的内容结构和案例数据
1.7.1 内容结构
1.7.2 案例数据
第2章 预备知识
2.1 激活函数
2.2 矩阵运算
2.3 导数公式
2.4 梯度下降算法
2.5 反向传播算法
2.5.1 通用反向传播算法
2.5.2 逐层反向传播算法
2.6 通用逼近定理
2.7 内外卷积运算
2.8 膨胀卷积运算
2.9 上下采样运算
2.10 卷积面计算
2.11 池化面计算
2.12 局部响应归一化
2.13 权值偏置初始化
2.14 丢失输出
2.15 丢失连接
2.16 随机梯度下降算法
2.17 块归一化
2.18 动态规划算法
第3章 卷积神经网络的现代雏形——LeNet
3.1 LeNet的原始模型
3.2 LeNet的标准模型
3.3 LeNet的学习算法
3.4 LeNet的Caffe代码实现及说明
3.5 LeNet的手写数字识别案例
3.6 LeNet的交通标志识别案例
3.6.1 交通标志数据集的格式转换
3.6.2 交通标志的识别分类
3.7 LeNet的交通路网提取案例
3.7.1 交通路网的人工标注
3.7.2 交通路网的图像块分类
3.7.3 交通路网的图像块分类LeNet
3.7.4 交通路网的自动提取代码及说明
3.7.5 交通路网的自动提取程序运行结果
第4章 卷积神经网络的突破模型
4.1 AlexNet的模型结构
4.2 AlexNet的Caffe代码实现及说明
4.3 AlexNet的Caffe大规模图像分类案例及演示效果
4.4 AlexNet的TensorFlow代码实现及说明
4.5 AlexNet的TensorFlow大规模图像分类案例及演示效果
4.6 AlexNet的改进模型ZFNet
第5章 卷积神经网络的应变模型
5.1 SPPNet的模型结构
5.2 SPPNet的Caffe代码实现及说明
5.3 SPPNet的大规模图像分类案例及演示效果
第6章 卷积神经网络的加深模型
6.1 结构加深的卷积网络VGGNet
6.1.1 VGGNet的模型结构
6.1.2 VGGNet的TensorFlow代码实现及说明
6.1.3 VGGNet的物体图像分类案例
6.2 结构更深的卷积网络GoogLeNet
6.2.1 GoogLeNet的模型结构
6.2.2 GoogLeNet的TensorFlow代码实现及说明
6.2.3 GoogLeNet的鲜花图像分类案例
第7章 卷积神经网络的跨连模型
7.1 快道网络HighwayNet
7.2 残差网络ResNet
7.2.2 ResNet的Caffe代码实现及说明
7.2.3 ResNet的大规模图像分类案例
7.3 密连网络DenseNet
7.3.2 DenseNet的Caffe代码实现及说明
7.3.3 DenseNet的物体图像分类案例
7.4 拼接网络CatNet
7.4.2 CatNet的Caffe代码实现及说明
7.4.3 CatNet的人脸图像性别分类案例
第8章 卷积神经网络的区域模型
8.1 区域卷积网络R-CNN
8.2 快速区域卷积网络Fast R-CNN
8.3 更快区域卷积网络Faster R-CNN
8.3.2 Faster R-CNN的TensorFlow代码实现及说明
8.3.3 Faster R-CNN的图像目标检测案例及演示效果
8.4 你只看一次网络YOLO
8.4.2 YOLO的TensorFlow代码实现及说明
8.4.3 YOLO的图像目标检测案例及演示效果
8.5 单次检测器SSD
8.5.2 SSD的TensorFlow代码实现及说明
8.5.3 SSD的图像目标检测案例及演示效果
第9章 卷积神经网络的分割模型
9.1 全卷积网络FCN
9.1.2 FCN的Caffe代码实现及说明
9.1.3 FCN的图像语义和几何分割案例
9.2 金字塔场景分析网络PSPNet
9.2.2 PSPNet的TensorFlow代码实现及说明
9.2.3 PSPNet的图像语义分割案例及演示效果
9.3 掩膜区域卷积网络Mask R-CNN
9.3.2 Mask R-CNN的Keras和TensorFlow代码实现及说明
9.3.3 Mask R-CNN的图像实例分割案例及演示效果
第10章 卷积神经网络的特殊模型
10.1 孪生网络SiameseNet
10.1.2 SiameseNet的Caffe代码实现及说明
10.1.3 SiameseNet的手写数字验证案例
10.2 挤压网络SqueezeNet
10.2.2 SqueezeNet的Caffe代码实现及说明
10.2.3 SqueezeNet大规模图像分类案例
10.3 深层卷积生成对抗网络DCGAN
10.3.2 DCGAN的TensorFlow代码实现及说明
10.3.3 DCGAN的CelebA人脸图像生成案例
10.4 网中网NIN
10.4.2 NIN的Caffe代码实现及说明
10.4.3 NIN大规模图像分类案例
第11章 卷积神经网络的强化模型
11.1 强化学习的基本概念
11.2 深度强化学习网络的学习算法
11.3 深度强化学习网络的变种模型
11.4 深度强化学习网络的Flappy Bird智能体案例
11.4.1 笨笨鸟网络的开发环境和工具包
11.4.2 笨笨鸟网络的代码实现及说明
11.4.3 笨笨鸟网络的学习训练过程
11.4.4 笨笨鸟网络的演示效果
第12章 卷积神经网络的顶尖成就——AlphaGo
12.1 人工智能棋类程序简介
12.2 AlphaGo的设计原理
12.2.1 总体思路
12.2.2 训练流程
12.2.3 搜索过程
12.3 AlphaGo Zero的新思想
12.4 仿效AlphaGo的围棋程序案例MuGo
12.4.1 MuGo的开发环境
12.4.2 MuGo的代码实现及说明
12.4.3 MuGo的学习训练过程
12.4.4 MuGo的演示效果
附录A Caffe在Windows上的安装过程
附录B Caffe在Linux上的安装过程
附录C TensorFlow在Windows上的安装过程
附录D TensorFlow在Linux上的安装过程
参考文献
学习笔记
Python编程深度学习计算库之numpy
NumPy是python下的计算库，被非常广泛地应用，尤其是近来的深度学习的推广。在这篇文章中，将会介绍使用numpy进行一些最为基础的计算。 NumPy vs SciPy NumPy和SciPy都可以进行运算，主要区别如下 最近比较热门的深度学习，比如在神经网络的算法，多维数组的使用是一个极为重要的场景。如果你熟悉tensorflow中的tensor的概念，你会非常清晰numpy的作用。所以熟悉Numpy可以说是使用python进行深度学习入门的一个基础知识。 安装 liumiaocn:tmp liumiao$ pip install numpyCollecting numpy Downloading /packages/b6/5e/4b2c794fb57a42e285d6e0fae0e9163773c5a6a6a7e1794967fc5d2168f2/numpy-1.14.5-cp27-cp27m-macosx_10_6_intel.macosx_10_9_intel.macosx_……
python开启摄像头以及深度学习实现目标检测方法
最近想做实时目标检测，需要用到python开启摄像头，我手上只有两个uvc免驱的摄像头，性能一般。利用python开启摄像头费了一番功夫，主要原因是我的摄像头都不能用cv2的VideCapture打开，这让我联想到原来opencv也打不开Android手机上的摄像头(后来采用QML的Camera模块实现的)。看来opencv对于摄像头的兼容性仍然不是很完善。 我尝了几种办法：v4l2，v4l2_capture以及simpleCV，都打不开。最后采用pygame实现了摄像头的采集功能，这里直接给大家分享具体实现代码(python3.6，cv2，opencv3.3，ubuntu16.04)。中间注释的部分是我上述方法打开摄像头的尝试，说不定有适合自己的。 import pygame.cameraimport timeimport pygameimport c……
PyTorch的深度学习入门之PyTorch安装和配置
前言 深度神经网络是一种目前被广泛使用的工具，可以用于图像识别、分类，物体检测，机器翻译等等。深度学习(DeepLearning)是一种学习神经网络各种参数的方法。因此，我们将要介绍的深度学习，指的是构建神经网络结构，并且运用各种深度学习算法训练网络参数，进而解决各种任务。本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度学习框架，使用灵活，学习方便。还有其他主流的深度学习框架，例如Caffe，TensorFlow，CNTK等等，各有千秋。笔者认为，初期学习还是选择一种入门，不要期望全都学会。须知，发力集中才能深入挖掘。乱花渐欲迷人眼，选择适合自己的，从一而终，相信会对科……
Dlib+OpenCV深度学习人脸识别的方法示例
前言 人脸识别在LWF(Labeled Faces in the Wild)数据集上人脸识别率现在已经99.7%以上，这个识别率确实非常高了，但是真实的环境中的准确率有多少呢？我没有这方面的数据，但是可以确信的是真实环境中的识别率并没有那么乐观。现在虽然有一些商业应用如员工人脸识别管理系统、海关身份验证系统、甚至是银行人脸识别功能，但是我们可以仔细想想员工人脸识别管理，海关身份证系统的应用场景对身份的验证功能其实并没有商家吹嘘的那么重要，打个比方说员工上班的时候刷脸如果失败了会怎样，是不是重新识别一下，如果还是误识别，或是识别不出，是不是就干脆刷卡或是其他方式登记上班，然后骂一……
以上就是本次介绍的人工智能电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。
展开 +
收起 -
