热搜关键词: 手机硬件物联网芯片封装C语言

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
  • 4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

推荐帖子 最新更新时间:2022-09-29 21:17

ST NUCLEO-H743ZI测评汇总
本次活动开发板由意法半导体ST提供,感谢ST对EEWorld测评的支持! 开发板介绍: ST NUCLEO-H743ZI: STM32H743xI系列的主要特性包括: 内核基于32位Cortex-M7内核,内置双精度FPU及L1缓存,最高主频400MHz。存储最高2MB的FLASH存储空间,最高1MB的SRAM存储空间。安全特性 支持ROP,PC-ROP等存储保护机制,固件防
okhxyyo stm32/stm8
晒WEBENCH设计的过程+设计IPAD供电电源
设计IPAD充电器电源 普通的手机充电器电源额定电流普遍都小于1A(5V),而IPAD专用充电器的额定电流都在2A。我以前用500mA的手机充电器试图给IPAD充电,结果就是没反应,插上后IPAD连充电标志都没有显示。因此普通手机充电器是无法给IPAD充电。如何快速使用WEBENCH快速开发一款IPAD充电器呢,往下看。 第一步:打开TI官网,进入WEBENCH的“电源”选项。给据设计要求输入
ltbytyn 模拟与混合信号
FRDM-KW41Z入门——GPIO输入
本帖最后由 dql2016 于 2017-5-25 16:38 编辑 KW41Z的库真是纠结,对它不熟悉,弄了半天终于OK。 首先定义2个结构体          //Define a digital intput pin configuration                 gpio_pin_config_t in_config =                 {     
dql2016 NXP MCU
注册下单均有礼:世健双11开启,电工慎入啊!
活动时间:11月8日-11月11日 温馨提示:参与活动的网友,请仔细阅读下方的活动须知,了解抽奖颁奖等内容。 一、注册抽礼 点此注册世健eSHOP(推荐码为:EW11) 活动期间成功注册为世健eSHOP会员,可参与抽奖,赢取50元京东E卡! 注:注册邮箱必须为有效邮箱、必须填写推荐码才能参与抽奖 二、下单有礼 点此进入世健买买买 活动期间,前11位购物满650元的网友,送100
EEWORLD社区 模拟电子
2017电子大赛题目大猜想!
简单说下自己的对今年大赛试题的思路: 1.电源题肯定有,今年会不会改变思路,做逆变器并网? 2.放大器会到超高频,应该不是单纯的放大器,可能要和微处理器结合,加其他的功能 3.控制题还是有飞机控制,会不会加导航?电机控制加小球,具体不知怎么出题 4.仪器仪表会不会和物联网相结合?做数据远程传输? 此内容由EEWORLD论坛网友baimawang原创,如需转载或用于商业用途需征得作者同
baimawang 电子竞赛
BlueNRG-1 编写特征值问题
    想通过串口来write,当我在串口调试助手输入大于9个char点击发送,aci_gatt_write_without_resp返回值只有9个成功的,剩下的返回是0x64(Insufficient resources),可是我从串口发送过一次后,出现这个问题,再发送一遍,一直发,每次都是能成功9次,剩下的返回Insufficient resources。(我连接的从机是蓝牙打印机,打印出来确
dengdeng96 意法半导体-低功耗射频

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
×