PaddlePaddle Fluid 深度學習入門與實戰(zhàn)

定　價：￥59.80

作　者：	潘志宏，王培彬著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787115555397	出版時間：	2021-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	169	字數(shù)：

內(nèi)容簡介

　　本書全面講解PaddlePaddle Fluid框架在深度學習領(lǐng)域的應(yīng)用。全書共15章，分別是PaddlePaddle深度學習開發(fā)環(huán)境的搭建、PaddlePaddle快速入門、線性回歸算法實戰(zhàn)、卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)、循環(huán)神經(jīng)網(wǎng)絡(luò)實戰(zhàn)、生成對抗網(wǎng)絡(luò)實戰(zhàn)、強化學習實戰(zhàn)、模型的保存與使用、遷移學習實戰(zhàn)可視化工具Visual DL的使用、自定義圖像數(shù)據(jù)集識別項目實戰(zhàn)、自定義文本數(shù)據(jù)集分類項目實戰(zhàn)、動態(tài)圖的使用、開發(fā)具有AI能力的服務(wù)器接口、移動端深度學習框架Paddle Lite的項目實戰(zhàn)。本書實例豐富，適合機器學習愛好者、程序員、人工智能方面的從業(yè)人員閱讀，也可以作為人工智能相關(guān)專業(yè)的師生用書和相關(guān)培訓學校的教材。

作者簡介

　　潘志宏副教授、高級工程師，中國人工智能學會高級會員，廣州新華學院教師。研究方向包括機器學習、深度學習、物聯(lián)網(wǎng)等。著有《深度學習實戰(zhàn)之PaddlePaddle》《深入淺出GAN 生成對抗網(wǎng)絡(luò)：原理剖析與TensorFlow 實踐》，獲得人工智能相關(guān)軟件著作權(quán)、專利若干項，主持廣東省普通高校青年創(chuàng)新人才項目、教育部產(chǎn)學合作協(xié)同育人項目。王培彬網(wǎng)名夜雨飄零，PaddlePaddle PPDE 成員，中國人工智能學會深度學習專委會高級會員，智能科技公司算法工程師。曾參與編著《深度學習實戰(zhàn)之PaddlePaddle》，擅長深度學習、Python、Java 等技術(shù)領(lǐng)域。

圖書目錄

第 1章　PaddlePaddle深度學習開發(fā)環(huán)境的搭建
1．1　深度學習與PaddlePaddle
1．2　PaddlePaddle能做些什么
1．3　如何學習本書
1．4　Python的安裝
1．5　本地安裝PaddlePaddle
1．5．1　Windows操作系統(tǒng)下安裝PaddlePaddle
1．5．2　Ubuntu操作系統(tǒng)下安裝PaddlePaddle
1．6　PyCharm的使用
1．7　AI Studio平臺的使用
1．8　本章小結(jié)
第 2章　PaddlePaddle快速入門
2．1　兩個小實例讓PaddlePaddle跑起來
2．2　PaddlePaddle常量的使用
2．3　PaddlePaddle變量的使用
2．4　本章小結(jié)
第3章　PaddlePaddle的HelloWorld——線性回歸算法
3．1　邁入PaddlePaddle實戰(zhàn)第一站
3．2　PaddlePaddle深度學習實戰(zhàn)—線性回歸算法
3．2．1　深度神經(jīng)網(wǎng)絡(luò)模型的搭建
3．2．2　利用房價數(shù)據(jù)集對深度神經(jīng)網(wǎng)絡(luò)模型進行驗證
3．3　本章小結(jié)
第4章　卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)——MNIST手寫數(shù)字識別
4．1　圖像識別之卷積神經(jīng)網(wǎng)絡(luò)模型
4．2　PaddlePaddle CNN模型實戰(zhàn)—MNIST手寫數(shù)字識別
4．3　本章小結(jié)
第5章　循環(huán)神經(jīng)網(wǎng)絡(luò)實戰(zhàn)——電影評論數(shù)據(jù)集的情感分析
5．1　自然語言處理之循環(huán)神經(jīng)網(wǎng)絡(luò)模型
5．2　PaddlePaddle搭建情感分析項目RNN模型
5．3　利用電影評論數(shù)據(jù)集對RNN模型進行驗證
5．4　本章小結(jié)
第6章　生成對抗網(wǎng)絡(luò)實戰(zhàn)——增強數(shù)據(jù)集
6．1　生成對抗網(wǎng)絡(luò)
6．2　GAN增強數(shù)據(jù)集實戰(zhàn)—訓練GAN模型
6．2．1　創(chuàng)建生成器
6．2．2　創(chuàng)建判別器
6．3　本章小結(jié)
第7章　強化學習實戰(zhàn)——在游戲反饋中變得更聰明
7．1　強化學習簡介
7．2　項目測試游戲Gym的簡介
7．3　訓練DQN模型——讓DQN模型在游戲中不斷學習并獲得高分
7．4　本章小結(jié)
第8章　PaddlePaddle模型的保存與使用
8．1　深度學習模型的保存與使用
8．2　訓練模型．
8．3　加載訓練模型
8．4　保存訓練模型
8．5　使用模型進行預(yù)測
8．6　本章小結(jié)
第9章　遷移學習實戰(zhàn)——花卉類型識別
9．1　遷移學習簡介
9．2　遷移學習應(yīng)用場景分析
9．3　花卉類型識別項目實戰(zhàn)—訓練模型
9．4　花卉類型識別項目實戰(zhàn)—驗證模型
9．5　本章小結(jié)
第 10章　PaddlePaddle可視化工具Visual DL的使用
10．1　可視化工具的重要性
10．2　PaddlePaddle Visual DL的介紹
10．3　PaddlePaddle Visual DL的安裝
10．4　Visual DL的簡單用法
10．5　模型訓練中使用Visual DL
10．6　本章小結(jié)
第 11章　自定義圖像數(shù)據(jù)集識別項目實戰(zhàn)——水果識別
11．1　自定義數(shù)據(jù)集
11．2　項目圖像數(shù)據(jù)集的爬取
11．3　為圖像數(shù)據(jù)集生成圖像列表
11．4　定義神經(jīng)網(wǎng)絡(luò)模型
11．5　PaddlePaddle讀取訓練數(shù)據(jù)
11．6　訓練模型
11．7　預(yù)測模型
11．8　本章小結(jié)
第 12章　自定義文本數(shù)據(jù)集分類項目實戰(zhàn)——新聞標題分類
12．1　自定義文本數(shù)據(jù)集
12．2　新聞標題分類實戰(zhàn)—獲取文本數(shù)據(jù)集
12．3　對爬取數(shù)據(jù)進行預(yù)處理和存儲
12．4　定義BiLSTM模型
12．5　讀取文本數(shù)據(jù)集
12．6　訓練模型
12．7　預(yù)測文本數(shù)據(jù)．
12．8　本章小結(jié)
第 13章　PaddlePaddle動態(tài)圖的使用
13．1　PaddlePaddle動態(tài)圖機制．
13．2　搭建動態(tài)圖模型
13．3　訓練動態(tài)圖模型
13．4　預(yù)測模型
13．5　本章小結(jié)
第 14章　開發(fā)具有AI能力的服務(wù)器接口
14．1　具有AI能力的服務(wù)器接口
14．2　Python Web開發(fā)框架Flask簡介
14．3　PaddlePaddle預(yù)測服務(wù)器接口
14．4　本章小結(jié)
第 15章　移動端深度學習框架Paddle Lite的項目實戰(zhàn)——水果識別App
15．1　Paddle Lite簡介
15．2　安裝Paddle Lite
15．2．1　Docker環(huán)境搭建
15．2．2　Ubuntu環(huán)境搭建
15．2．3　編譯Paddle Lite
15．3　優(yōu)化移動端的深度學習模型
15．4　Android水果識別App的開發(fā)
15．5　本章小結(jié)