热搜关键词: 电磁兼容Altium DesignerDC/DC自动驾驶

pdf

深度学习:卷积神经网络从入门到精通

  • 1星
  • 2022-09-19
  • 223.36MB
  • 需要1积分
  • 52次下载
  • favicon收藏
  • rep举报
  • free评论
标签: 深度学习

深度学习

神经网络

神经网络

旨在全面介绍各种卷积神经网络的模型、算法及应用,指导读者把握其形成和演变的基本脉络,以帮助读者在较短的时间内从入门达到精通的水平。有兴趣的读者可以从本书开始,通过图像分类、识别、检测和分割的案例,逐步深入卷积神经网络的核心,掌握深度学习的方法和精髓,领会AlphaGo战胜人类世界冠军的奥秘。

前言

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——LeNet  41

3.1 LeNet的原始模型  41

3.2 LeNet的标准模型  43

3.3 LeNet的学习算法  44

3.4 LeNet的Caffe代码实现及说明  46

3.5 LeNet的手写数字识别案例  54

3.6 LeNet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

3.7 LeNet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LeNet  69

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

4.1 AlexNet的模型结构  78

4.2  AlexNet的Caffe代码实现及说明  82

4.3  AlexNet的Caffe大规模图像分类案例及演示效果  95

4.4  AlexNet的TensorFlow代码实现及说明  97

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

4.6 AlexNet的改进模型ZFNet  107

第5章  卷积神经网络的应变模型  109

5.1 SPPNet的模型结构  109

5.2  SPPNet的Caffe代码实现及说明  112

5.3  SPPNet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VGGNet  118

6.1.1 VGGNet的模型结构  118

6.1.2  VGGNet的TensorFlow代码实现及说明  120

6.1.3  VGGNet的物体图像分类案例  129

6.2  结构更深的卷积网络GoogLeNet  130

6.2.1 GoogLeNet的模型结构  130

6.2.2  GoogLeNet的TensorFlow代码实现及说明  136

6.2.3  GoogLeNet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HighwayNet  154

7.2 残差网络ResNet  155

7.2.1 ResNet的模型结构  155

7.2.2  ResNet的Caffe代码实现及说明  157

7.2.3  ResNet的大规模图像分类案例  163

7.3 密连网络DenseNet  169

7.3.1 DenseNet的模型结构  169

7.3.2  DenseNet的Caffe代码实现及说明  171

7.3.3  DenseNet的物体图像分类案例  174

7.4 拼接网络CatNet  178

7.4.1 CatNet的模型结构  178

7.4.2  CatNet的Caffe代码实现及说明  179

7.4.3  CatNet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-CNN  190

8.2  快速区域卷积网络Fast  R-CNN  191

8.3  更快区域卷积网络Faster  R-CNN  193

8.3.1  Faster  R-CNN的模型结构  193

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

8.3.3  Faster  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YOLO  220

8.4.1 YOLO的模型结构  220

8.4.2  YOLO的TensorFlow代码实现及说明  226

8.4.3  YOLO的图像目标检测案例及演示效果  239

8.5 单次检测器SSD  242

8.5.1 SSD的模型结构  242

8.5.2  SSD的TensorFlow代码实现及说明  245

8.5.3  SSD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FCN  266

9.1.1 FCN的模型结构  266

9.1.2  FCN的Caffe代码实现及说明  269

9.1.3  FCN的图像语义和几何分割案例  272

9.2  金字塔场景分析网络PSPNet  277

9.2.1 PSPNet的模型结构  277

9.2.2  PSPNet的TensorFlow代码实现及说明  282

9.2.3  PSPNet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Mask  R-CNN  294

9.3.1  Mask  R-CNN的模型结构  294

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

9.3.3  Mask  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SiameseNet  325

10.1.1  SiameseNet的模型结构  325

10.1.2  SiameseNet的Caffe代码实现及说明  326

10.1.3  SiameseNet的手写数字验证案例  328

10.2 挤压网络SqueezeNet  331

10.2.1  SqueezeNet的模型结构  331

10.2.2  SqueezeNet的Caffe代码实现及说明  334

10.2.3  SqueezeNet大规模图像分类案例  337

10.3  深层卷积生成对抗网络DCGAN  339

10.3.1  DCGAN的模型结构  339

10.3.2  DCGAN的TensorFlow代码实现及说明  340

10.3.3  DCGAN的CelebA人脸图像生成案例  345

10.4 网中网NIN  348

10.4.1 NIN的模型结构  348

10.4.2  NIN的Caffe代码实现及说明  350

10.4.3  NIN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——AlphaGo  371

12.1 人工智能棋类程序简介  371

12.2 AlphaGo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

12.3 AlphaGo  Zero的新思想  380

12.4  仿效AlphaGo的围棋程序案例MuGo  383

12.4.1 MuGo的开发环境  383

12.4.2  MuGo的代码实现及说明  386

12.4.3  MuGo的学习训练过程  401

12.4.4  MuGo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

展开预览

猜您喜欢

推荐帖子 最新更新时间:2023-11-25 16:01

三极管做开关,常用到的电容作用(旁路-输入,去耦-输出、电源,运放中的补偿电容)
1. 开关三极管的基本电路图       负载电阻被直接跨接于三极管的集电极与电源之间,而位居三极管主电流的回路上,输入电压Vin则控制三极管开关的开启(open) 与闭合(closed) 动作,当三极管呈开启状态时,负载电流便被阻断,反之,当三极管呈闭合状态时,电流便可以流通。  详细的说,当Vin为低电压时,由于基极没有电流,因此集电极亦无电流,致使连接于集电极端的负载亦没有电流,而相当于开
fish001 模拟与混合信号
如何测量瞄准时觇孔与准星的偏移量
本帖最后由 梦中客 于 2014-10-18 11:14 编辑 昨晚发一贴,问题可能不清楚,再开一贴,希望各位指教。下图是一个瞄准示意图,瞄准方法时通过觇孔(也就是一个圆,非常小,直径3-5mm)观察到靶面,再将准星顶部放至觇孔中心,与靶心三点一线。主要测量瞄准确定时,准星顶部与觇孔中心的偏移量。(在扳机上安装一个按钮,瞄准确定时就扣动扳机击发,即开始测量)(图为表述基本情况,概略示意。)
梦中客 测试/测量
求大神解答tm4c123系列单片机问题
计数捕捉程序,为什么按下复位键两次上升沿触发中断,之后三次上升沿触发中断??? #include <stdint.h> #include <stdbool.h> #include "inc/tm4c123gh6pm.h" #include "inc/hw_memmap.h" #include "inc/hw_types.h" #include "driverlib/pin_map.h"
sc机器猫 微控制器 MCU
动手学电源第一季:DIY 小风扇,Fan一夏!
  动手学电源第一季:DIY 小风扇,Fan一夏!   写在前面 从最开始的电源学习小组,DCDC动手做,到电源知识树主题梳理,再到沁恒USB受电协议芯片测评,管管绞尽脑汁想在电源方面做点儿事,希望为正在学习电源的坛友们提供一点点帮助。这一次,目标定了,我们做个小风扇!   啊?小风扇!是不是太简单了!没啥技术难度!但是麻雀虽小,五脏俱全,一个电扇集
okhxyyo 电源技术
直击HDC 2022开发者主题演讲,1个Demo讲透鸿蒙开发套件
11月5日,2022华为开发者大会(Together)进入第二天,首次设立的开发者主题演讲在华为东莞松山湖基地准时开场,华为五位高级技术专家围绕增强的声明式开发体系,通过一个Demo实例,从设计、开发、测试、上架、端到端展示性能优越的鸿蒙开发套件,及其带来的简洁高效开发体验。同时,来自全国各地的开发者们齐聚松山湖溪流背坡村,听行业大牛现场分享前沿实践、与技术专家一对一交流,深度体验新技术,热情探索
叶落便知秋 移动便携
TMS320F28335如何实现软复位?
需求是这样的: 早期软件复位向量在0x33FFF6,FLASHA,由于使用仿真器升级软件不方便,因此做了一个bootloader,占用FLASHA,上电以后,bootloader先运行,接管DSP,根据外部条件判断是否运行用户代码,用户代码位于FLASH B C D E F G H,任意一块,用户程序在编写的时候避开FLASHA,同时把复位向量放到FLASHA之外的地方,比如FLASHC中,复位
XiaoDong 微控制器 MCU
【2014 STM32全国巡回研讨会】广州站
      提前登记了【2014 STM32全国巡回研讨会】的广州站。昨天还收到短信提醒,今天早上就提前出去了,顺便在会场附近转一下。       广州站是在广州的珠江新城举办,这个是广州新的经济新兴区域,而且选择是一个高级的酒店,从酒店的门庭设计,到入门的礼仪人员,让我有宾至如归的感觉,ST够体面(后面在WIFI的登录界面提示,这是5星的)           进入会场,来的还是
fsyicheng stm32/stm8
电机驱动波形有毛刺的问题
大循环  MOS_Q63PWM();                             for(i=0;i<DELAY;i++)                             {                             }                   MOS_Q32PWM();                             for(
chenbingjy 电机驱动控制(Motor Control)

评论

yuazhang
很好,清晰,书签全。
2023-09-09 10:42:35
G986
好,谢谢楼主分享!
2022-12-21 10:33:23
登录/注册

意见反馈

求资源

回顶部

推荐内容

热门活动

热门器件

随便看看

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 © 2005-2023 EEWORLD.com.cn, Inc. All rights reserved
×