热搜关键词: 模拟电路单片机编程FPGARISC-V

null

实用卷积神经网络:运用Python实现高级深度学习模型

  • 1星
  • 2022-11-26
  • 15.77MB
  • 需要1积分
  • 1次下载
  • favicon收藏
  • rep举报
  • free评论
标签: 神经网络

神经网络

python

python

第1章对深度神经网络的科学原理和实现这种网络的不同框架以及框架背后的数学机制提供一个快速回顾。

第2章向读者介绍卷积神经网络,并展示如何利用深度学习从图像中提取信息。

第3章从零开始针对图像分类问题构建一个简单的CNN,并阐明如何调整参数、优化训练时间以及CNN的性能,以分别提高效率和准确率。

第4章介绍几种经典的(在竞赛中胜出的)CNN架构的优势和运作机制,以及它们之间的差异和如何使用这些架构。

第5章讲授如何使用预先训练好的网络,并使其适用于新的且不同的数据集。在实际应用中也有一种自定义分类问题,它使用的技术称为转移学习。

第6章介绍一种称为自编码器的无监督学习技术,同时介绍了CNN自编码器的不同应用,比如图像压缩。

第7章讲授目标检测、实例分割和图像分类的区别。然后介绍多种使用CNN进行目标检测和实例分割的技术。

第8章探究生成式CNN网络,然后将其与我们学习得到的有识别力的CNN网络相结合,用CNN/GAN创造新的图像。

第9章讲授深度学习中注意力背后的思想,并学习如何使用基于注意力的模型来实现一些高级解决方案(图像捕捉和RAM)。我们还将了解不同类型的注意力以及强化学习在硬注意力机制中的作用。

前言

关于作者

关于审阅者

第1章 深度神经网络概述  1

1.1 创建神经网络块  1

1.2 TensorFlow介绍  3

1.3 MNIST数据集介绍  10

1.4 Keras深度学习库概述  14

1.5 基于Keras和MNIST的手写数字识别  15

1.5.1 训练和测试数据的检索  17

1.5.2 训练数据的可视化  18

1.5.3 创建神经网络  18

1.5.4 训练神经网络  19

1.5.5 测试  19

1.6 理解反向传播  20

1.7 本章小结  23

第2章 卷积神经网络介绍  25

2.1 CNN历史  25

2.2 卷积神经网络  27

2.2.1 计算机如何解释图像  28

2.2.2 编码实现图像可视化  29

2.2.3 dropout  31

2.2.4 输入层  31

2.2.5 卷积层  32

2.2.6 池化层  34

2.3 实践示例:图像分类  35

2.4 本章小结  39

第3章 构建CNN并进行性能优化  41

3.1 CNN架构和DNN的缺点  41

3.1.1 卷积操作  44

3.1.2 池化、步长和填充操作  46

3.2 TensorFlow中的卷积和池化操作  48

3.2.1 在TensorFlow中应用池化操作  49

3.2.2 TensorFlow中的卷积操作  51

3.3 训练CNN  53

3.3.1 初始化权重和偏置  53

3.3.2 正则化  54

3.3.3 激活函数  54

3.4 创建、训练和评估第一个CNN  56

3.5 模型性能优化  73

3.5.1 隐含层数量  73

3.5.2 每个隐含层的神经元个数  74

3.5.3 批标准化  74

3.5.4 高级正则化及过拟合的避免  76

3.5.5 运用哪个优化器  79

3.5.6 内存调优  79

3.5.7 层的位置调优  80

3.5.8 综合所有操作创建第二个CNN  80

3.5.9 数据集描述和预处理  80

3.5.10 创建CNN模型  85

3.5.11 训练和评估网络  87

3.6 本章小结  90

第4章 经典的CNN模型架构  91

4.1 ImageNet介绍  91

4.2 LeNet  92

4.3 AlexNet架构  93

4.4 VGGNet架构  95

4.5 GoogLeNet架构  97

4.5.1 架构洞察  98

4.5.2 inception模块  99

4.6 ResNet架构  99

4.7 本章小结  101

第5章 转移学习  103

5.1 特征提取方法  103

5.1.1 目标数据集较小且与原始训练集相似  104

5.1.2 目标数据集较小且与原始训练集不同  105

5.1.3 目标数据集很大且与原始训练集相似  107

5.1.4 目标数据集很大且与原始训练集不同  107

5.2 转移学习示例  108

5.3 多任务学习  111

5.4 本章小结  111

第6章 CNN自编码器  113

6.1 自编码器介绍  113

6.2 卷积自编码器  114

6.3 应用  115

6.4 本章小结  116

第7章 CNN目标检测与实例分割  119

7.1 目标检测与图像分类的区别  120

7.2 传统的、非CNN的目标检测方法  124

7.3 R-CNN:CNN特征区  128

7.4 Fast  R-CNN:基于区域快速识别的CNN  130

7.5 Faster  R-CNN:基于快速区域生成网络的CNN  132

7.6 Mask  R-CNN:CNN实例分割  135

7.7 实例分割的代码实现  137

7.7.1 创建环境  138

7.7.2 准备COCO数据集文件夹结构  139

7.7.3 在COCO数据集上运行预训练模型  139

7.8 参考文献  139

7.9 本章小结  141

第8章 GAN:使用CNN生成新图像  143

8.1 Pix2pix:基于GAN的图像翻译  144

8.1.1 CycleGAN  144

8.1.2 训练GAN模型  145

8.2 GAN的代码示例  146

8.2.1 计算损失  149

8.2.2 半监督学习和GAN  151

8.3 特征匹配  152

8.3.1 基于半监督分类的GAN示例  152

8.3.2 深度卷积GAN  158

8.4 本章小结  159

第9章 CNN和视觉模型的注意力机制  161

9.1 图像描述中的注意力机制  164

9.2 注意力类型  168

9.2.1 硬注意力  168

9.2.2 软注意力  169

9.3 运用注意力改善视觉模型  170

9.3.1 视觉CNN模型次优性能的原因  171

9.3.2 循环视觉注意力模型  174

9.4 参考文献  180

9.5 本章小结  181

推荐帖子 最新更新时间:2023-01-28 04:33

活动结束的彩蛋:泰克答USB主题活动中网友的9个问题
不久前,泰克在社区举办了USB主题活动(点此查看活动详情),分享泰克在USB的测试测量解决方案,同时征集了网友们的问题。活动结束后,泰克从提问的网友中挑选了9名网友进行解答,首先谨代表参与活动的网友,感谢泰克对网友问题的解答。以下是问答详情。(注:本环节属于社区新尝试的一个环节,网友有任何意见欢迎跟帖留言,我们会关注到,并作为后期优化活动的参考。) 【泰克回答网友的提问】 @rinfe
EEWORLD社区 测试/测量
【KW41Z】第三篇智能电表645电力规约简单介绍及简单上位机
本帖最后由 常见泽1 于 2017-7-11 18:37 编辑                             智能电表645电力规约简单介绍及简单上位机 1. 简单介绍645规约的全称应该是“中华人民共和国电力行业标准DL/T 645——1997多功能电能表通信规约”。在经过多年的现场时间基础上,为了适应市场需求的发展,全国电工仪器仪表标委会于2000年10月组建《自动抄表系统》
常见泽1 NXP MCU
挑几款二极管深度认识
二极管是最常用的电子元件之一,最大的特性就是单向导电,也就是电流只可以从二极管的一个方向流过。二极管分为好多种,可以说除了电阻电容外用的比较多的一种元器件,那么二极管分为哪些类型呢?1、稳压二极管稳压二极管,有时候又叫齐纳二极管。原理是是利用pn结反向击穿状态,电流在很大范围内变化但是电压却基本维持不变。稳压二极管是以击穿电压来分等级的,如果想要获得较高的电压可以串联使用,这一可以得到更高的输
youganw 模拟电子
酷炫七彩折纸小灯笼
本帖最后由 ginny 于 2017-3-19 18:10 编辑 酷炫七彩折纸小灯笼。        在一个折纸网站看了集灯笼的折法,我就想能不能让折纸灯笼亮起来呢。刚好手头上有几个七彩LED,可以装进小灯笼里,让它七彩闪烁。 视频效果$('swf_eek').innerHTML=AC_FL_RunContent('width', '640', 'heigh
ginny 创意市集
【散热管理】浅谈PCB降温策略
随着通讯和信息技术产业的发展和人们对信息需求的不断提升,许多芯片厂商绞尽脑汁提高芯片的运算能力和存储能力,增强产品的多样性,目的是要给顾客提供独特的服务。如刚刚上市的华为麒麟970处理器和苹果公司的A11处理器,毋庸置疑,将会给顾客带来美妙的体验。但芯片在运行时,尤其是高速运转时,会产生大量热量,使手机内部迅速升温,若不及时有效地将热量散发出去,手机内部的零件就会因过热而失效,可靠性将下降。如果处
ohahaha PCB设计
【瑞萨电子MCU套件免费试用】使用瑞萨R7FC080212 芯片开发的激光防盗告警装置
本帖最后由 mars4zhu 于 2014-10-20 22:44 编辑 使用瑞萨R7FC080212 芯片开发的激光防盗告警装置 文档编号RD-0003-A0关键字激光防盗、光敏电阻摘要本文记述了采用瑞萨电子的R7F0C芯片作为主控,利用激光二极管和光敏电阻组成激光防盗网,从系统设计原理、硬件结构、等方面进行阐述。 目  录 1 激光防盗装置概述        11.1.
mars4zhu 瑞萨电子MCU
DDR设计需要背钻吗
高速先生原创文|黄刚   背钻,相信从事PCB设计或加工的朋友来说不会陌生。我们知道,这个工艺现在已经比较广泛应用在10G以上的高速串行通道设计中了,它的作用主要是解决过孔stub较长导致的高频能量急剧衰减的问题,越小的过孔stub,急剧衰减的频段越高,因此我们在高速设计会着重考虑它。我们也可以通过2维或者3维对过孔的仿真,得到stub和回损插损曲线的关系,例如下图所示:  
yvonneGan PCB设计
答题赢好礼 | e络盟,助您开创无限未来
e络盟是致力于为数百万工程师提供优质电子元器件产品和应用开发服务的公司,能提供来自 2,000 多家领先制造商的 95 万多种元器件产品。大陆线上订单金额满200元(不含税)即可免费送货上门。 目前,我们拥有了更新更强大的半自动化分销中心,不仅扩大了库存,还增加了新供应商,旨在为您不断拓宽产品系列与深化服务。点击报名答题>>> 查看活动页面>>> 活动时间:即日起——2021年1月31
EEWORLD社区 综合技术交流

评论

登录/注册

意见反馈

求资源

回顶部
查找数据手册?

EEWorld Datasheet 技术支持

热门活动

相关视频

可能感兴趣器件

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2022 EEWORLD.com.cn, Inc. All rights reserved
×