深度学习 卷积神经网络从入门到精通PDF|Epub|txt|kindle电子书版本网盘下载

深度学习 卷积神经网络从入门到精通PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述1

1.1深度学习的起源和发展1

1.2卷积神经网络的形成和演变4

1.3卷积神经网络的应用和影响6

1.4卷积神经网络的缺陷和视图9

1.5卷积神经网络的GPU实现和cuDNN库10

1.6卷积神经网络的平台和工具10

1.7本书的内容结构和案例数据13

1.7.1内容结构13

1.7.2案例数据15

第2章 预备知识22

2.1激活函数22

2.2矩阵运算23

2.3导数公式24

2.4梯度下降算法25

2.5反向传播算法26

2.5.1通用反向传播算法27

2.5.2逐层反向传播算法28

2.6通用逼近定理31

2.7内外卷积运算31

2.8膨胀卷积运算32

2.9上下采样运算33

2.10卷积面计算34

2.11池化面计算36

2.12局部响应归一化36

2.13权值偏置初始化37

2.14丢失输出37

2.15丢失连接38

2.16随机梯度下降算法39

2.17块归一化39

2.18动态规划算法40

第3章 卷积神经网络的现代雏形——LeNet41

3.1LeNet的原始模型41

3.2LeNet的标准模型43

3.3LeNet的学习算法44

3.4LeNet的Caffe代码实现及说明46

3.5LeNet的手写数字识别案例54

3.6LeNet的交通标志识别案例58

3.6.1交通标志数据集的格式转换58

3.6.2交通标志的识别分类60

3.7LeNet的交通路网提取案例63

3.7.1交通路网的人工标注64

3.7.2交通路网的图像块分类67

3.7.3交通路网的图像块分类LeNet69

3.7.4交通路网的自动提取代码及说明71

3.7.5交通路网的自动提取程序运行结果75

第4章 卷积神经网络的突破模型78

4.1AlexNet的模型结构78

4.2AlexNet的Caffe代码实现及说明82

4.3AlexNet的Caffe大规模图像分类案例及演示效果95

4.4AlexNet的TensorFlow代码实现及说明97

4.5AlexNet的TensorFlow大规模图像分类案例及演示效果103

4.6AlexNet的改进模型ZFNet107

第5章 卷积神经网络的应变模型109

5.1SPPNet的模型结构109

5.2SPPNet的Caffe代码实现及说明112

5.3SPPNet的大规模图像分类案例及演示效果114

第6章 卷积神经网络的加深模型118

6.1结构加深的卷积网络VGGNet118

6.1.1VGGNet的模型结构118

6.1.2VGGNet的TensorFlow代码实现及说明120

6.1.3VGGNet的物体图像分类案例129

6.2结构更深的卷积网络GoogLeNet130

6.2.1GoogLeNet的模型结构130

6.2.2GoogLeNet的TensorFlow代码实现及说明136

6.2.3GoogLeNet的鲜花图像分类案例149

第7章 卷积神经网络的跨连模型154

7.1快道网络HighwayNet154

7.2残差网络ResNet155

7.2.1ResNet的模型结构155

7.2.2ResNet的Caffe代码实现及说明157

7.2.3ResNet的大规模图像分类案例163

7.3密连网络DenseNet169

7.3.1DenseNet的模型结构169

7.3.2DenseNet的Caffe代码实现及说明171

7.3.3DenseNet的物体图像分类案例174

7.4拼接网络CatNet178

7.4.1CatNet的模型结构178

7.4.2CatNet的Caffe代码实现及说明179

7.4.3CatNet的人脸图像性别分类案例183

第8章 卷积神经网络的区域模型190

8.1区域卷积网络R-CNN190

8.2快速区域卷积网络FastR-CNN191

8.3更快区域卷积网络FasterR-CNN193

8.3.1Faster R-CNN的模型结构193

8.3.2Faster R-CNN的TensorFlow代码实现及说明196

8.3.3Faster R-CNN的图像目标检测案例及演示效果216

8.4你只看一次网络YOLO220

8.4.1YOLO的模型结构220

8.4.2YOLO的TensorFlow代码实现及说明226

8.4.3YOLO的图像目标检测案例及演示效果239

8.5单次检测器SSD242

8.5.1SSD的模型结构242

8.5.2SSD的TensorFlow代码实现及说明245

8.5.3SSD的图像目标检测案例及演示效果260

第9章 卷积神经网络的分割模型266

9.1全卷积网络FCN266

9.1.1FCN的模型结构266

9.1.2FCN的Caffe代码实现及说明269

9.1.3FCN的图像语义和几何分割案例272

9.2金字塔场景分析网络PSPNet277

9.2.1PSPNet的模型结构277

9.2.2PSPNet的TensorFlow代码实现及说明282

9.2.3PSPNet的图像语义分割案例及演示效果291

9.3掩膜区域卷积网络MaskR-CNN294

9.3.1Mask R-CNN的模型结构294

9.3.2Mask R-CNN的Keras和TensorFlow代码实现及说明297

9.3.3Mask R-CNN的图像实例分割案例及演示效果318

第10章 卷积神经网络的特殊模型325

10.1孪生网络SiameseNet325

10.1.1SiameseNet的模型结构325

10.1.2SiameseNet的Caffe代码实现及说明326

10.1.3SiameseNet的手写数字验证案例328

10.2挤压网络SqueezeNet331

10.2.1SqueezeNet的模型结构331

10.2.2SqueezeNet的Caffe代码实现及说明334

10.2.3SqueezeNet大规模图像分类案例337

10.3深层卷积生成对抗网络DCGAN339

10.3.1DCGAN的模型结构339

10.3.2DCGAN的TensorFlow代码实现及说明340

10.3.3DCGAN的CelebA人脸图像生成案例345

10.4网中网NIN348

10.4.1NIN的模型结构348

10.4.2NIN的Caffe代码实现及说明350

10.4.3NIN大规模图像分类案例353

第11章 卷积神经网络的强化模型356

11.1强化学习的基本概念356

11.2深度强化学习网络的学习算法358

11.3深度强化学习网络的变种模型359

11.4深度强化学习网络的Flappy Bird智能体案例361

11.4.1笨笨鸟网络的开发环境和工具包362

11.4.2笨笨鸟网络的代码实现及说明363

11.4.3笨笨鸟网络的学习训练过程367

11.4.4笨笨鸟网络的演示效果370

第12章 卷积神经网络的顶尖成就——AlphaGo371

12.1人工智能棋类程序简介371

12.2AlphaGo的设计原理373

12.2.1总体思路373

12.2.2训练流程374

12.2.3搜索过程377

12.3AlphaGo Zero的新思想380

12.4仿效AlphaGo的围棋程序案例MuGo383

12.4.1MuGo的开发环境383

12.4.2MuGo的代码实现及说明386

12.4.3MuGo的学习训练过程401

12.4.4MuGo的演示效果403

附录A Caffe在Windows上的安装过程406

附录B Caffe在Linux上的安装过程409

附录C TensorFlow在Windows上的安装过程412

附录D TensorFlow在Linux上的安装过程414

参考文献416