书籍详情
深度学习实战
作者：[美] 阿尼路德·库尔，[美] 斯达·甘居，[美] 梅尔·卡萨姆，李新叶 著
出版社：中国电力出版社
出版时间：2021-04-01
ISBN：9787519852931
定价：¥148.00
购买这本书可以去
内容简介
用Keras、TensorFlow、Core ML，以及TensorFlow Lite训练、微调并发布计算机视觉模型。为不同设备开发AI应用，包括Raspberry Pi、Jetson Nano，以及Google Coral。探索有趣的项目，从硅谷“热狗识别”应用程序到谷歌规模的图像搜索，以及40多个案例研究和行业实例。在电子游戏环境中模拟一辆自动驾驶汽车并用强化学习构建一个微型版自动驾驶汽车。使用迁移学习在几分钟内训练模型。发现50多个实用技巧，用以最Z大化模型准确度和速度、调试程序，以及将应用扩展到数百万用户规模。
作者简介
Anirudh Koul是Al for Good的先驱，同时也是UN和TEDx的发言人，还是微软人工智能与研究中心的资深科学家，他在那里创立了Seeing Al，这是继iPhone之后盲人社区最常用的技术。 Siddha Ganju是NVIDIA的自动驾驶设计师。她曾入选福布斯2019年“30位30岁以下商业领袖”的排行榜。此前，她在Deep Vision为资源受限的边缘设备开发了深度学习模型。 Meher Kasam是一位经验丰富的软件开发人员，所开发的应用程序每天都有上千万用户使用。他为Square和微软的一系列应用提供了功能，从Square的销售点（POS）APP到微软必应（Bing）APP。
目录
目录
前言 1
第1 章 探索人工智能前景 15
致歉 16
真正的介绍 17
什么是人工智能？ 17
人工智能简史 20
激动人心的开始 21
寒冷黑暗的日子 22
一线希望 23
深度学习是如何兴盛的 26
完美深度学习解决方案的组成要素 29
数据集 30
模型结构 32
框架 35
硬件 38
负责任的人工智能 41
偏差 43
责任和可解释性 45
再现性 46
稳健性 46
隐私 47
总结 47
常见问题 48
第2 章 图片中有什么：用Keras 实现图像分类 51
Keras 简介 52
预测图像类别 53
调查模型 58
ImageNet 数据集 58
模型园 61
类激活图 62
总结 65
第3 章 猫与狗：用Keras 在30 行代码中实现
迁移学习 66
使预先训练的模型适应新任务 67
卷积神经网络初探 68
迁移学习 70
微调 71
微调多少 72
利用迁移学习和Keras 构建一个定制的分类器 73
组织数据 74
建立数据管道 76
类别数 77
批量大小 78
数据扩充 78
定义模型 82
训练模型 82
设置训练参数 82
开始训练 84
测试模型 85
分析结果 86
进一步阅读 93
总结 93
第4 章 构建反向图像搜索引擎：理解嵌入 95
图像相似性 96
特征提取 99
相似性搜索 102
用t-SNE 可视化图像簇 106
提高相似性搜索的速度 110
特征向量长度 110
基于PCA 减少特征长度 112
基于近似最近邻方法扩展相似搜索 116
近似最近邻基准 117
应该用哪个库？ 117
创建合成数据集 119
蛮力搜索 119
Annoy 119
NGT 120
Faiss 121
通过微调提高精度 121
用于一次人脸验证的孪生网络 126
案例研究 127
Flickr 127
Pinterest 128
与名人面貌相似者 129
Spotify 130
图像描述 131
总结 133
第5 章 从初学者到掌握预测：最大化卷积神经网络的
精度 134
工具介绍 135
TensorFlow Datasets 136
TensorBoard 137
What-If 工具 140
前言 1
第1 章 探索人工智能前景 15
致歉 16
真正的介绍 17
什么是人工智能？ 17
人工智能简史 20
激动人心的开始 21
寒冷黑暗的日子 22
一线希望 23
深度学习是如何兴盛的 26
完美深度学习解决方案的组成要素 29
数据集 30
模型结构 32
框架 35
硬件 38
负责任的人工智能 41
偏差 43
责任和可解释性 45
再现性 46
稳健性 46
隐私 47
总结 47
常见问题 48
第2 章 图片中有什么：用Keras 实现图像分类 51
Keras 简介 52
预测图像类别 53
调查模型 58
ImageNet 数据集 58
模型园 61
类激活图 62
总结 65
第3 章 猫与狗：用Keras 在30 行代码中实现
迁移学习 66
使预先训练的模型适应新任务 67
卷积神经网络初探 68
迁移学习 70
微调 71
微调多少 72
利用迁移学习和Keras 构建一个定制的分类器 73
组织数据 74
建立数据管道 76
类别数 77
批量大小 78
数据扩充 78
定义模型 82
训练模型 82
设置训练参数 82
开始训练 84
测试模型 85
分析结果 86
进一步阅读 93
总结 93
第4 章 构建反向图像搜索引擎：理解嵌入 95
图像相似性 96
特征提取 99
相似性搜索 102
用t-SNE 可视化图像簇 106
提高相似性搜索的速度 110
特征向量长度 110
基于PCA 减少特征长度 112
基于近似最近邻方法扩展相似搜索 116
近似最近邻基准 117
应该用哪个库？ 117
创建合成数据集 119
蛮力搜索 119
Annoy 119
NGT 120
Faiss 121
通过微调提高精度 121
用于一次人脸验证的孪生网络 126
案例研究 127
Flickr 127
Pinterest 128
与名人面貌相似者 129
Spotify 130
图像描述 131
总结 133
第5 章 从初学者到掌握预测：最大化卷积神经网络的
精度 134
工具介绍 135
TensorFlow Datasets 136
TensorBoard 137
What-If 工具 140
猜您喜欢
