图书介绍
深度学习 Caffe之经典模型详解与实战PDF|Epub|txt|kindle电子书版本网盘下载
- 乐毅，王斌编著 著
- 出版社： 北京：电子工业出版社
- ISBN：7121301186
- 出版时间：2016
- 标注页数：333页
- 文件大小：27MB
- 文件页数：345页
- 主题词：
PDF下载
下载说明
深度学习 Caffe之经典模型详解与实战PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 引言1
1.2 人工智能的发展历程2
1.3 机器学习及相关技术4
1.3.1 学习形式分类4
1.3.2 学习方法分类5
1.3.3 机器学习的相关技术7
1.4 国内外研究现状8
1.4.1 国外研究现状8
1.4.2 国内研究现状9
第2章 深度学习11
2.1 神经网络模型11
2.1.1 人脑视觉机理11
2.1.2 生物神经元13
2.1.3 人工神经网络15
2.2 BP神经网络18
2.2.1 BP神经元18
2.2.2 BP神经网络构成19
2.2.3 正向传播21
2.2.4 反向传播21
2.3 卷积神经网络24
2.3.1 卷积神经网络的历史25
2.3.2 卷积神经网络的网络结构26
2.3.3 局部感知27
2.3.4 参数共享28
2.3.5 多卷积核28
2.3.6 池化（Pooling）29
2.4 深度学习框架30
2.4.1 Caffe30
2.4.2 Torch31
2.4.3 Keras32
2.4.4 MXNet32
2.4.5 TensorFlow33
2.4.6 CNTK33
2.4.7 Theano34
第3章 Caffe简介及其安装配置36
3.1 Caffe是什么36
3.1.1 Caffe的特点38
3.1.2 Caffe的架构38
3.2 Caffe的安装环境39
3.2.1 Caffe的硬件环境39
3.2.2 Caffe的软件环境43
3.2.3 Caffe的依赖库44
3.2.4 Caffe开发环境的安装46
3.3 Caffe接口52
3.3.1 Caffe Python接口52
3.3.2 CaffeMATLAB接口55
3.3.3 Caffe命令行接口56
第4章 Caffe网络定义58
4.1 Caffe模型要素58
4.1.1 网络模型58
4.1.2 参数配置62
4.2 Google Protobuf结构化数据63
4.3 Caffe数据库65
4.3.1 LeveDB65
4.3.2 LMDB66
4.3.3 HDF566
4.4 Caffe Net66
4.5 Caffe Blob68
4.6 Caffe Layer70
4.6.1 Data Layers71
4.6.2 Convolution Layers75
4.6.3 Pooling Layers76
4.6.4 InnerProduct Layers77
4.6.5 ReLU Layers78
4.6.6 Sigmoid Layers79
4.6.7 LRN Layers79
4.6.8 Dropout Layers80
4.6.9 SoftmaxWithLoss Layers80
4.6.10 Softmax Layers81
4.6.11 Accuracy Layers81
4.7 Caffe Solver82
Solver方法83
第5章 LeNet模型88
5.1 LeNet模型简介88
5.2 LeNet模型解读89
5.3 Caffe环境LeNet模型91
5.3.1 mnist实例详解91
5.3.2 mnist手写测试103
5.3.3 mnist样本字库的图片转换106
第6章 AlexNet模型107
6.1 AlexNet模型介绍107
6.2 AlexNet模型解读108
6.3 AlexNet模型特点111
6.4 Caffe环境AlexNet模型训练112
6.4.1 数据准备112
6.4.2 其他支持文件113
6.4.3 图片预处理113
6.4.4 ImageNet数据集介绍113
6.4.5 ImageNet图片介绍115
6.4.6 ImageNet模型训练115
6.4.7 Caffe的AlexNet模型与论文的不同124
6.4.8 ImageNet模型测试124
第7章 GoogLeNet模型126
7.1 GoogLeNet模型简介126
7.1.1 背景和动机127
7.1.2 Inception结构127
7.2 GoogLeNet模型解读129
7.2.1 GoogLeNet模型结构129
7.2.2 GoogLeNet模型特点134
7.3 GoogLeNet模型的Caffe实现135
第8章 VGGNet模型146
8.1 VGGNet网络模型146
8.1.1 VGGNet模型介绍146
8.1.2 VGGNet模型特点147
8.1.3 VGGNet模型解读147
8.2 VGGNet网络训练149
8.2.1 VGGNet训练参数设置149
8.2.2 Multi-Scale训练149
8.2.3 测试150
8.2.4 部署150
8.3 VGGNet模型分类实验150
8.3.1 Single-scale对比150
8.3.2 Multi-scale对比151
8.3.3 模型融合152
8.4 VGGNet网络结构153
第9章 Siamese模型158
9.1 Siamese网络模型159
9.1.1 Siamese模型原理159
9.1.2 Siamese模型实现160
9.2 Siamese网络训练165
9.2.1 数据准备165
9.2.2 生成side165
9.2.3 对比损失函数166
9.2.4 定义solver166
9.2.5 网络训练166
第10章 SqueezeNet模型168
10.1 SqueezeNet网络模型168
10.1.1 SqueezeNet模型原理168
10.1.2 Fire Module169
10.1.3 SqueezeNet模型结构170
10.1.4 SqueezeNet模型特点171
10.2 SqueezeNet网络实现172
第11章 FCN模型177
11.1 FCN模型简介177
11.2 FCN的特点和使用场景178
11.3 Caffe FCN解读179
11.3.1 FCN模型训练准备180
11.3.1 FCN模型训练183
第12章 R-CNN模型196
12.1 R-CNN模型简介196
12.2 R-CNN的特点和使用场景197
12.3 Caffe R-CNN解读198
12.3.1 R-CNN模型训练准备198
12.3.2 R-CNN模型训练201
第13章 Fast-RCNN模型217
13.1 Fast-RCNN模型简介217
13.2 Fast-RCNN的特点和使用场景218
13.3 Caffe Fast-RCNN解读220
13.3.1 Fast-RCNN模型训练准备220
13.3.2 Fast-RCNN模型训练222
第14章 Faster-RCNN模型239
14.1 Faster-RCNN模型简介239
14.2 Faster-RCNN的特点和使用场景241
14.3 Caffe Faster-RCNN解读242
14.3.1 Faster-RCNN模型训练准备242
14.3.2 Faster-RCNN模型训练244
第15章 SSD模型264
15.1 SSD模型简介264
15.2 SSD的特点和使用场景266
15.3 Caffe SSD解读267
15.3.1 SSD模型训练准备267
15.3.2 SSD模型训练268
第16章 Kaggle项目实践：人脸特征检测290
16.1 项目简介290
16.2 赛题和数据291
16.3 Caffe训练和测试数据库293
16.3.1 数据库生成293
16.3.2 网络对比295
16.3.3 网络一296
16.3.4 网络二300
16.3.5 Python人脸特征预测程序306
第17章 Kaggle项目实践：猫狗分类检测311
17.1 项目简介311
17.2 赛题和数据312
17.3 Caffe训练和测试数据库312
17.3.1 数据库生成312
17.3.2 Caffe实现316
17.3.3 CatdogNet训练328
17.3.4 CatdogNet模型验证332