《實(shí)踐深度學(xué)習(xí)》共6章，第1章主要介紹深度學(xué)習(xí)必備的器材、操作系統(tǒng)及中間件的安裝方法;第2、3章解讀了深度學(xué)習(xí)示例中的基本術(shù)語;第4章則通過示例程序說明了VGG-16、ResNet-152的具體操作方法，并給出了提升估測精度的方法。而第5章介紹了基于26層網(wǎng)絡(luò)的Yolo和有助于醫(yī)學(xué)圖像目標(biāo)識別的U形23層網(wǎng)絡(luò)模型。第6章以訓(xùn)練擅長井字棋游戲的計(jì)算機(jī)為例，全面展示了強(qiáng)化學(xué)習(xí)的操作方法。
目錄
譯者序
原書前言
第1章 本書概要及準(zhǔn)備工作 1
1.1 本書概要1
1.1.1 深度學(xué)習(xí)的成果1
1.1.2 本書學(xué)習(xí)內(nèi)容———圖像分類、目標(biāo)檢測、強(qiáng)化學(xué)習(xí) 3
1.1.3 本書學(xué)習(xí)方法———預(yù)訓(xùn)練模型的利用 3
1.2 本書使用的數(shù)據(jù)集5
1.3 本書使用的硬件及軟件6
1.3.1 使用框架 6
1.3.2 GPU的使用 7
1.3.3 準(zhǔn)備硬件———改造游戲用計(jì)算機(jī) 8
1.3.4 OS與中間件 9
1.4 軟件安裝10
1.4.1 OS的安裝 10
1.4.2 中間件的安裝 16
1.5 程序下載23
1.5.1 下載文檔 23
1.5.2 下載文檔的解壓縮 24
第2章 網(wǎng)絡(luò)結(jié)構(gòu) 26
2.1 前饋神經(jīng)網(wǎng)絡(luò)26
2.1.1 全連接神經(jīng)網(wǎng)絡(luò)簡介 27
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)簡介 27
2.2 卷積神經(jīng)網(wǎng)絡(luò)28
2.2.1 卷積層 28
2.2.2 池化層 31
2.2.3 上采樣層 31
2.3 本書使用的網(wǎng)絡(luò)模型32
第3章 基本術(shù)語 33
3.1 深度學(xué)習(xí)操作概要33
3.2 激活函數(shù)35
3.3 損失函數(shù)37
3.4 隨機(jī)梯度下降法40
3.4.1 權(quán)值更新計(jì)算示例 40
3.4.2 動量 44
3.5 誤差反向傳播算法45
3.6 過擬合47
3.6.1 基于驗(yàn)證數(shù)據(jù)集的epoch數(shù)設(shè)置 47
3.6.2 正則化 49
3.6.3 dropout 50
3.7 數(shù)據(jù)擴(kuò)充與預(yù)處理50
3.8 預(yù)訓(xùn)練模型52
3.9 學(xué)習(xí)率的調(diào)整54
第4章 圖像識別分類 57
4.1 概要57
4.2 公共數(shù)據(jù)的制作59
4.2.1 下載圖像數(shù)據(jù)集 59
4.2.2 數(shù)據(jù)提取和基礎(chǔ)數(shù)據(jù)集的制作 60
4.2.3 數(shù)據(jù)擴(kuò)充和公共數(shù)據(jù)集的制作 634.3 基于9層神經(jīng)網(wǎng)絡(luò)的識別分類66
4.3.1 網(wǎng)絡(luò)概要 66
4.3.2 訓(xùn)練與模型搭建 67
4.3.3 模型讀取和估測實(shí)操 73
4.3.4 實(shí)操示例 75
4.4 基于VGG-16的識別分類——— 16層預(yù)訓(xùn)練模型80
4.4.1 VGG- 16概要 80
4.4.2 程序概要 82
4.4.3 實(shí)操示例 84
4.5 基于ResNet-152的識別分類———152層預(yù)訓(xùn)練模型87
4.5.1 ResNet概要 87
4.5.2 實(shí)操環(huán)境安裝 88
4.5.3 程序概要 89
4.5.4 實(shí)操示例 93
4.6 估測精度的進(jìn)一步提升98
4.6.1 概要 98
4.6.2 多模型的利用 100
4.6.3 Stacked Generalization 103
4.6.4 Self Training 103
第5章 目標(biāo)檢測 107
5.1 目標(biāo)定位———26層網(wǎng)絡(luò)107
5.1.1 目標(biāo)定位、尺寸及種類的估測 107
5.1.2 使用軟件及特征 108
5.1.3 實(shí)操環(huán)境的安裝 109
5.1.4 基于預(yù)訓(xùn)練模型的目標(biāo)檢測 110
5.1.5 基于目標(biāo)特征提取的目標(biāo) 檢測 112
5.2 目標(biāo)形狀識別———23層網(wǎng)絡(luò)120
5.2.1 目標(biāo)位置、大小及形狀的估測 120
5.2.2 使用模型及特征 120
5.2.3 程序概要 123
5.2.4 實(shí)操示例 128
第6章 強(qiáng)化學(xué)習(xí)———訓(xùn)練擅長井字棋游戲的計(jì)算機(jī) 133
6.1 強(qiáng)化學(xué)習(xí)133
6.1.1 強(qiáng)化學(xué)習(xí)概述 133
6.1.2 Q學(xué)習(xí) 133
6.1.3 DQN 136
6.2 基礎(chǔ)框架137
6.2.1 環(huán)境與Agent 137
6.2.2 命令處理概要 139
6.2.3 環(huán)境內(nèi)規(guī)則 140
6.3 實(shí)操環(huán)境的安裝140
6.4 Q學(xué)習(xí)與深度學(xué)習(xí)143
6.5 實(shí)操示例147
附錄 150
附錄A Yolo用“目標(biāo)位置信息”的生成方法150
A.1 安裝BBox- Lable- Tool 150
A.2 生成“目標(biāo)位置信息” 151
附錄B 源程序代碼155
參考文獻(xiàn)
書單推薦
