微信扫一扫,移动浏览光盘
简介
本书较为全面地介绍深度学习模型训练、计算机视觉模型应用、自然语言处理模型应用等技术。全书共9个项目，包括深度学习全连接神经网络应用、深度学习卷积神经用、深度学习模型训练——循环神经网络应用、计算机视觉模型数据准备、计算机视觉模型训练与应用、计算机视觉模型部署、自然语言处理预训练模型数据准备、自预训练模型训练与应用、自然语言处理模型部署等。本书以满足企业用人需求为导向、以岗位技能和综合素质培养为核心，通过理论与实战相结合的方式，培养能够根项目需求，完成模型训练、模型应用及预训练模型迁移学习等工作的人才。 本书适用于“1+X”证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书（中级）的教学和培训，也适合作为中等职业学校、高等职业学校、应用型本智能相关专业的教材，还适合作为需充实深度学习应用开发知识的技术人员的参考用书。
目录
第 1篇 深度学习模型训练 1
项目１ 深度学习全连接神经网络应用 2
项目描述 2
知识准备 2
1．1深度学习分类任务 2
1．1．1深度学习分类任务的概念 2
1．1．2深度学习分类任务的类型 3
1．1．3分类任务与回归任务的区别 3
1．2全连接神经网络 3
1．3激活函数 4
1．3．1Sigmoid()函数 4
1．3．2ReLU()函数 5
1．3．3Softmax()函数 6
1．4交叉熵损失函数 7
1．5手写数字识别数据集 7
1．6全连接神经网络的训练方法 8
项目实施 通过全连接神经网络识别手写数字 8
1．7实施思路 8
1．8实施步骤 9
知识拓展 15
课后实训 15
项目２ 深度学习卷积神经网络应用 16
项目描述 16
知识准备 16
2．1卷积神经网络的概念 16
2．2卷积层 17
2．2．1卷积计算 17
2．2．2步长 18
2．2．3填充 19
2．2．4多通道卷积 19
2．3池化层 21
2．4如何训练卷积神经网络 21
项目实施 通过卷积神经网络识别手写数字 22
2．5实施思路 22
2．6实施步骤 22
知识拓展 31
课后实训 32
项目３ 深度学习模型训练——循环神经网络应用 33
项目描述 33
知识准备 34
3．1循环神经网络的常见类型 34
3．2循环神经网络的基本结构 34
3．2．1输入层 35
3．2．2隐藏层 35
3．2．3输出层 35
3．3简单循环神经网络——SimpleRNN 36
3．4循环神经网络的构建与训练方法 37
项目实施 通过循环神经网络预测时序数据 37
3．5实施思路 37
3．6实施步骤 38
知识拓展 44
课后实训 44
第 2篇 计算机视觉模型应用 45
项目４ 计算机视觉模型数据准备 46
项目描述 46
知识准备 47
4．1常见的计算机视觉数据集及格式 47
4．1．1CIFAR-10、CIFAR-100数据集 47
4．1．2ImageNet数据集 48
4．1．3MS COCO数据集 48
4．1．4PASCAL VOC数据集 49
4．2PaddleX介绍 49
4．3PaddleX的图像分类数据集的加载方法 50
4．3．1使用paddlex．datasets．ImageNet()函数加载数据集 50
4．3．2使用paddlex．datasets．VOCDetection()函数加载数据集 51
4．3．3使用paddlex．datasets．CocoDetection()函数加载数据集 52
4．4PaddleX的图像分类数据处理函数 53
4．4．1RandomCrop()函数 53
4．4．2RandomHorizontalFlip()函数 53
4．4．3RandomDistort()函数 53
4．4．4Normalize()函数 54
4．4．5其他数据处理函数 54
项目实施 拆分和验证垃圾分类数据集 55
4．5实施思路 55
4．6实施步骤 55
知识拓展 62
课后实训 63
项目5 计算机视觉模型训练
与应用 64
项目描述 64
知识准备 64
5．1计算机视觉领域的基本任务 64
5．2图像分类任务常用网络 66
5．2．1ResNet 66
5．2．2DenseNet 67
5．2．3AlexNet 68
5．2．4MobileNet 69
项目实施 训练垃圾分类模型 69
5．3实施思路 69
5．4实施步骤 70
知识拓展 72
课后实训 74
项目６ 计算机视觉模型部署 75
项目描述 75
知识准备 76
6．1计算机视觉模型应用案例 76
6．2PaddleX本地部署 76
6．2．1模型导出 77
6．2．2模型部署预测 77
6．3PaddleX边缘设备部署 79
6．3．1 智慧零售操作台 79
6．3．2 智慧工业操作台 79
6．3．3 人工智能端侧开发套件 79
6．3．4 人工智能边缘开发设备 79
项目实施 部署垃圾分类模型到边缘设备 80
6．4实施思路 80
6．5实施步骤 81
知识拓展 87
课后实训 88
第3篇 自然语言处理模型应用 89
项目7 自然语言处理预训练模型数据准备 90
项目描述 90
知识准备 90
7．1自然语言处理的数据集及格式 90
7．1．1DuEE数据集 91
7．1．2BSTC数据集 91
7．1．38类情感分类数据集 92
7．2PaddleHub介绍 93
7．3文本分类数据处理方法 94
7．4文本分类数据集加载方法 94
7．4．1文本分类数据集加载过程 94
7．4．2数据集加载 95
项目实施 处理、拆分和加载情感
分类数据集 97
7．5实施思路 97
7．6实施步骤 97
知识拓展 105
课后实训 106
项目８ 自然语言处理预训练模型训练与应用 107
项目描述 107
知识准备 107
8．1自然语言处理基本任务 107
8．2文本分类任务 108
8．2．1文本预处理 108
8．2．2文本表示 108
8．2．3分类模型构建 109
项目实施 配置、训练和评估情感
分类模型 110
8．3实施思路 110
8．4实施步骤 110
知识拓展 114
课后实训 115
项目９ 自然语言处理模型部署 116
项目描述 116
知识准备 116
9．1服务端部署应用案例 116
9．2PaddleHub本地部署 117
9．3PaddleHub服务端部署 117
9．3．1命令行启动 117
9．3．2配置文件启动 118
项目实施 部署情感分类模型 119
9．4实施思路 119
9．5PaddleHub本地部署实施步骤 119
9．6PaddleHub服务端部署实施步骤 121
9．6．1命令行启动 122
9．6．2 配置文件启动 124
知识拓展 127
课后实训 128
项目１ 深度学习全连接神经网络应用 2
项目描述 2
知识准备 2
1．1深度学习分类任务 2
1．1．1深度学习分类任务的概念 2
1．1．2深度学习分类任务的类型 3
1．1．3分类任务与回归任务的区别 3
1．2全连接神经网络 3
1．3激活函数 4
1．3．1Sigmoid()函数 4
1．3．2ReLU()函数 5
1．3．3Softmax()函数 6
1．4交叉熵损失函数 7
1．5手写数字识别数据集 7
1．6全连接神经网络的训练方法 8
项目实施 通过全连接神经网络识别手写数字 8
1．7实施思路 8
1．8实施步骤 9
知识拓展 15
课后实训 15
项目２ 深度学习卷积神经网络应用 16
项目描述 16
知识准备 16
2．1卷积神经网络的概念 16
2．2卷积层 17
2．2．1卷积计算 17
2．2．2步长 18
2．2．3填充 19
2．2．4多通道卷积 19
2．3池化层 21
2．4如何训练卷积神经网络 21
项目实施 通过卷积神经网络识别手写数字 22
2．5实施思路 22
2．6实施步骤 22
知识拓展 31
课后实训 32
项目３ 深度学习模型训练——循环神经网络应用 33
项目描述 33
知识准备 34
3．1循环神经网络的常见类型 34
3．2循环神经网络的基本结构 34
3．2．1输入层 35
3．2．2隐藏层 35
3．2．3输出层 35
3．3简单循环神经网络——SimpleRNN 36
3．4循环神经网络的构建与训练方法 37
项目实施 通过循环神经网络预测时序数据 37
3．5实施思路 37
3．6实施步骤 38
知识拓展 44
课后实训 44
第 2篇 计算机视觉模型应用 45
项目４ 计算机视觉模型数据准备 46
项目描述 46
知识准备 47
4．1常见的计算机视觉数据集及格式 47
4．1．1CIFAR-10、CIFAR-100数据集 47
4．1．2ImageNet数据集 48
4．1．3MS COCO数据集 48
4．1．4PASCAL VOC数据集 49
4．2PaddleX介绍 49
4．3PaddleX的图像分类数据集的加载方法 50
4．3．1使用paddlex．datasets．ImageNet()函数加载数据集 50
4．3．2使用paddlex．datasets．VOCDetection()函数加载数据集 51
4．3．3使用paddlex．datasets．CocoDetection()函数加载数据集 52
4．4PaddleX的图像分类数据处理函数 53
4．4．1RandomCrop()函数 53
4．4．2RandomHorizontalFlip()函数 53
4．4．3RandomDistort()函数 53
4．4．4Normalize()函数 54
4．4．5其他数据处理函数 54
项目实施 拆分和验证垃圾分类数据集 55
4．5实施思路 55
4．6实施步骤 55
知识拓展 62
课后实训 63
项目5 计算机视觉模型训练
与应用 64
项目描述 64
知识准备 64
5．1计算机视觉领域的基本任务 64
5．2图像分类任务常用网络 66
5．2．1ResNet 66
5．2．2DenseNet 67
5．2．3AlexNet 68
5．2．4MobileNet 69
项目实施 训练垃圾分类模型 69
5．3实施思路 69
5．4实施步骤 70
知识拓展 72
课后实训 74
项目６ 计算机视觉模型部署 75
项目描述 75
知识准备 76
6．1计算机视觉模型应用案例 76
6．2PaddleX本地部署 76
6．2．1模型导出 77
6．2．2模型部署预测 77
6．3PaddleX边缘设备部署 79
6．3．1 智慧零售操作台 79
6．3．2 智慧工业操作台 79
6．3．3 人工智能端侧开发套件 79
6．3．4 人工智能边缘开发设备 79
项目实施 部署垃圾分类模型到边缘设备 80
6．4实施思路 80
6．5实施步骤 81
知识拓展 87
课后实训 88
第3篇 自然语言处理模型应用 89
项目7 自然语言处理预训练模型数据准备 90
项目描述 90
知识准备 90
7．1自然语言处理的数据集及格式 90
7．1．1DuEE数据集 91
7．1．2BSTC数据集 91
7．1．38类情感分类数据集 92
7．2PaddleHub介绍 93
7．3文本分类数据处理方法 94
7．4文本分类数据集加载方法 94
7．4．1文本分类数据集加载过程 94
7．4．2数据集加载 95
项目实施 处理、拆分和加载情感
分类数据集 97
7．5实施思路 97
7．6实施步骤 97
知识拓展 105
课后实训 106
项目８ 自然语言处理预训练模型训练与应用 107
项目描述 107
知识准备 107
8．1自然语言处理基本任务 107
8．2文本分类任务 108
8．2．1文本预处理 108
8．2．2文本表示 108
8．2．3分类模型构建 109
项目实施 配置、训练和评估情感
分类模型 110
8．3实施思路 110
8．4实施步骤 110
知识拓展 114
课后实训 115
项目９ 自然语言处理模型部署 116
项目描述 116
知识准备 116
9．1服务端部署应用案例 116
9．2PaddleHub本地部署 117
9．3PaddleHub服务端部署 117
9．3．1命令行启动 117
9．3．2配置文件启动 118
项目实施 部署情感分类模型 119
9．4实施思路 119
9．5PaddleHub本地部署实施步骤 119
9．6PaddleHub服务端部署实施步骤 121
9．6．1命令行启动 122
9．6．2 配置文件启动 124
知识拓展 127
课后实训 128
人工智能深度学习综合实践
- 名称
- 类型
- 大小
联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
亲爱的云图用户，
光盘内的文件都可以直接点击浏览哦
无需下载，可直接在线浏览
