• 东风日产乘用车公司获第十二届人民企业社会责任奖年度企业奖 2019-07-14
  • 山东单县种植玫瑰助增收 美了田园 富了乡亲 2019-07-14
  • 胡杏儿晒儿子软萌照 睡眼惺忪眼神迷人可爱十足 2019-06-11
  • 这是全国精气最为集中的地方 被称为中国丹田所在 ——凤凰网房产 2019-06-11
  • 吴燕生任中国航天科技集团有限公司董事长 2019-06-10
  • 俄方:美方毁坏俄领事机构大门驱动装置进入搜查 2019-06-10
  • 天路文章中国国家地理网 2019-05-31
  • 县市纪委审查重点下延一级 严查基层腐败问题 2019-05-31
  • 品四大名著 话端午习俗 2019-05-27
  • 省委扫黑除恶专项斗争督导组反馈吉安督导情况 胡世忠作表态发言 2019-05-25
  • 老干部同志,你是否愿意让别人骑在你头上拉丝拉尿?[哈哈] 2019-05-07
  • 南非将为温妮·曼德拉举行国葬 万余人参加追悼会 2019-05-07
  • 人民日报民生观:我国医疗质量提升秘诀何在 2019-05-06
  • 市场经济优胜劣汰,被淘汰的如房地产,造成了资源浪费。 2019-05-06
  • 用双脚书写无悔的人生 2019-05-04
  • Java知识分享网 - 轻松学习从此开始!????

    华东15选5开奖结果查询:华东15选5最新开奖号码

    Java1234官方群24:java1234官方群24
    Java1234官方群24:791563025
         

    006项目-百度云搜索引擎开源?。?!

    毕设课设专业代做论文定制

    007项目-资源分享平台开源??!

    Java学习路线图?。?!

    SpringBoot打造企业级进销存

    领取QQ第三方登录视频教程

    做活动,领取支付宝在线支付完整视频教程

    Java1234 VIP课程

    领取微信扫码登录Java实现视频教程

    Java1234至尊VIP(特价活动)

    深度学习轻松学:核心算法与视觉实践 PDF 下载


    分享到:
    时间:2018-11-30 23:18来源://www.fjbbo.com 作者:小锋  侵权举报
    深度学习轻松学:核心算法与视觉实践 PDF 下载
    失效链接处理
    深度学习轻松学:核心算法与视觉实践 PDF 下载

     
    资源来源:https://download.csdn.net/download/liyatao1/10594345

    下载链接:
    提取码:4so4 
     
     
    相关截图:
     
    资料简介:

    华东15选5最新开奖号码 www.fjbbo.com 《深度学习轻松学:核心算法与视觉实践》介绍了深度学习基本算法和视觉领域的应用实例。书中以轻松直白的语言,生动详细地介绍了深层模型相关的基础知识,并深入剖析了算法的原理与本质。同时,书中还配有大量案例与源码,帮助读者切实体会深度学习的核心思想和精妙之处。除此之外,书中还介绍了深度学习在视觉领域的应用,从原理层面揭示其思路思想,帮助读者在此领域中夯实技术基础。

    《深度学习轻松学:核心算法与视觉实践》十分适合对深度学习感兴趣,希望对深层模型有较深入了解的读者阅读。

     
    资料目录:

    1 机器学习与深度学习的概念1

    1.1 什么是机器学习 1

    1.1.1 机器学习的形式. 2

    1.1.2 机器学习的几个组成部分. 8

    1.2 深度学习的逆袭 9

    1.3 深层模型在视觉领域的应用. 13

    1.4 本书的主要内容 15

    1.5 总结. 17

    2 数学与机器学习基础18

    2.1 线性代数基础. 18

    2.2 对称矩阵的性质 22

    2.2.1 特征值与特征向量 22

    2.2.2 对称矩阵的特征值和特征向量 23

    2.2.3 对称矩阵的对角化 24

    2.3 概率论. 25

    2.3.1 概率与分布. 25

    2.3.2 最大似然估计 28

    2.4 信息论基础 31

    2.5 KL 散度. 33

    2.6 凸函数及其性质 37

    2.7 机器学习基本概念. 39

    2.8 机器学习的目标函数 42

    2.9 总结. 44

    3 CNN 的基石:全连接层45

    3.1 线性部分. 45

    3.2 非线性部分 48

    3.3 神经网络的模样 50

    3.4 反向传播法 55

    3.4.1 反向传播法的计算方法. 55

    3.4.2 反向传播法在计算上的抽象. 58

    3.4.3 反向传播法在批量数据上的推广. 59

    3.4.4 具体的例子. 63

    3.5 参数初始化 65

    3.6 总结. 68

    4 CNN 的基石:卷积层69

    4.1 卷积操作. 69

    4.1.1 卷积是什么. 69

    4.1.2 卷积层效果展示. 73

    4.1.3 卷积层汇总了什么 76

    4.1.4 卷积的另一种解释 77

    4.2 卷积层的反向传播. 79

    4.2.1 实力派解法. 80

    4.2.2 “偶像派”解法. 84

    4.3 ReLU 88

    4.3.1 梯度消失问题 89

    4.3.2 ReLU 的理论支撑. 92

    4.3.3 ReLU 的线性性质. 93

    4.3.4 ReLU 的不足. 93

    4.4 总结. 94

    4.5 参考文献. 94

    5 Caffe 入门95

    5.1 使用Caffe 进行深度学习训练. 96

    5.1.1 数据预处理. 96

    5.1.2 网络结构与模型训练的配置. 100

    5.1.3 训练与再训练 108

    5.1.4 训练日志分析 110

    5.1.5 预测检验与分析. 112

    5.1.6 性能测试 115

    5.2 模型配置文件介绍. 117

    5.3 Caffe 的整体结构. 122

    5.3.1 SyncedMemory 124

    5.3.2 Blob 125

    5.3.3 Layer 125

    5.3.4 Net 126

    5.3.5 Solver 126

    5.3.6 多GPU 训练. 127

    5.3.7 IO 127

    5.4 Caffe 的Layer 128

    5.4.1 Layer 的创建——LayerRegistry128

    5.4.2 Layer 的初始化. 130

    5.4.3 Layer 的前向计算. 132

    5.5 Caffe 的Net 组装流程 133

    5.6 Caffe 的Solver 计算流程. 139

    5.6.1 优化流程 140

    5.6.2 多卡优化算法 142

    5.7 Caffe 的Data Layer 145

    5.7.1 Datum 结构. 145

    5.7.2 DataReader Thread 147

    5.7.3 BasePrefetchingDataLayer Thread 148

    5.7.4 Data Layer 149

    5.8 Caffe 的DataTransformer 150

    5.8.1 C 中的DataTransformer 150

    5.8.2 Python 中的DataTransformer 153

    5.9 模型层扩展实践——Center LossLayer 156

    5.9.1 Center Loss 的原理 156

    5.9.2 Center Loss 实现. 160

    5.9.3 实验分析与总结. 164

    5.10 总结. 165

    5.11 参考文献. 165

    6 深层网络的数值问题166

    6.1 ReLU 和参数初始化. 166

    6.1.1 第一个ReLU 数值实验. 167

    6.1.2 第二个ReLU 数值实验. 169

    6.1.3 第三个实验——Sigmoid 171

    6.2 Xavier 初始化. 172

    6.3 MSRA 初始化. 178

    6.3.1 前向推导 178

    6.3.2 后向推导 181

    6.4 ZCA 182

    6.5 与数值溢出的战斗. 186

    6.5.1 Softmax Layer 186

    6.5.2 Sigmoid Cross Entropy Loss 189

    6.6 总结. 192

    6.7 参考文献. 192

    7 网络结构193

    7.1 关于网络结构,我们更关心什么 193

    7.2 网络结构的演化 195

    7.2.1 VGG:模型哲学. 195

    7.2.2 GoogLeNet:丰富模型层的内部结构. 196

    7.2.3 ResNet:从乘法模型到加法模型. 197

    7.2.4 全连接层的没落. 198

    7.3 Batch Normalization 199

    7.3.1 Normalization 199

    7.3.2 使用BN 层的实验. 200

    7.3.3 BN 的实现. 201

    7.4 对Dropout 的思考. 204

    7.5 从迁移学习的角度观察网络功能 206

    7.6 ResNet 的深入分析. 210

    7.6.1 DSN 解决梯度消失问题 211

    7.6.2 ResNet 网络的展开结构. 212

    7.6.3 FractalNet 214

    7.6.4 DenseNet 215

    7.7 总结. 217

    7.8 参考文献. 217

    8 优化与训练219

    8.1 梯度下降是一门手艺活儿. 219

    8.1.1 什么是梯度下降法 219

    8.1.2 优雅的步长. 220

    8.2 路遥知马力:动量. 225

    8.3 SGD 的变种算法 232

    8.3.1 非凸函数 232

    8.3.2 经典算法的弯道表现. 233

    8.3.3 Adagrad 234

    8.3.4 Rmsprop 235

    8.3.5 AdaDelta 236

    8.3.6 Adam 237

    8.3.7 爬坡赛. 240

    8.3.8 总结. 242

    8.4 L1 正则的效果. 243

    8.4.1 MNIST 的L1 正则实验. 244

    8.4.2 次梯度下降法 246

    8.5 寻找模型的弱点 251

    8.5.1 泛化性实验. 252

    8.5.2 精确性实验. 255

    8.6 模型优化路径的可视化. 255

    8.7 模型的过拟合. 260

    8.7.1 过拟合方案. 261

    8.7.2 SGD 与过拟合 263

    8.7.3 对于深层模型泛化的猜想. 264

    8.8 总结. 265

    8.9 参考文献. 265

    9 应用:图像的语意分割267

    9.1 FCN 268

    9.2 CRF 通俗非严谨的入门. 272

    9.2.1 有向图与无向图模型. 272

    9.2.2 Log-Linear Model 278

    9.2.3 条件随机场. 280

    9.3 Dense CRF 281

    9.3.1 Dense CRF 是如何被演化出来的. 281

    9.3.2 Dense CRF 的公式形式. 284

    9.4 Mean Field 对Dense CRF 模型的化简 285

    9.5 Dense CRF 的推断计算公式 288

    9.5.1 Variational Inference 推导 289

    9.5.2 进一步化简. 291

    9.6 完整的模型:CRF as RNN 292

    9.7 总结. 294

    9.8 参考文献. 294

    10 应用:图像生成295

    10.1 VAE 295

    10.1.1 生成式模型. 295

    10.1.2 Variational Lower bound 296

    10.1.3 Reparameterization Trick 298

    10.1.4 Encoder 和Decoder 的计算公式. 299

    10.1.5 实现. 300

    10.1.6 MNIST 生成模型可视化 301

    10.2 GAN 303

    10.2.1 GAN 的概念. 303

    10.2.2 GAN 的训练分析. 305

    10.2.3 GAN 实战. 309

    10.3 Info-GAN 314

    10.3.1 互信息. 315

    10.3.2 InfoGAN 模型 317

    10.4 Wasserstein GAN 320

    10.4.1 分布的重叠度 321

    10.4.2 两种目标函数存在的问题. 323

    10.4.3 Wasserstein 距离. 325

    10.4.4 Wasserstein 距离的优势. 329

    10.4.5 Wasserstein GAN 的实现 331

    10.5 总结. 333

    10.6 参考文献. 334

    ------分隔线----------------------------
    锋哥公众号


  • 东风日产乘用车公司获第十二届人民企业社会责任奖年度企业奖 2019-07-14
  • 山东单县种植玫瑰助增收 美了田园 富了乡亲 2019-07-14
  • 胡杏儿晒儿子软萌照 睡眼惺忪眼神迷人可爱十足 2019-06-11
  • 这是全国精气最为集中的地方 被称为中国丹田所在 ——凤凰网房产 2019-06-11
  • 吴燕生任中国航天科技集团有限公司董事长 2019-06-10
  • 俄方:美方毁坏俄领事机构大门驱动装置进入搜查 2019-06-10
  • 天路文章中国国家地理网 2019-05-31
  • 县市纪委审查重点下延一级 严查基层腐败问题 2019-05-31
  • 品四大名著 话端午习俗 2019-05-27
  • 省委扫黑除恶专项斗争督导组反馈吉安督导情况 胡世忠作表态发言 2019-05-25
  • 老干部同志,你是否愿意让别人骑在你头上拉丝拉尿?[哈哈] 2019-05-07
  • 南非将为温妮·曼德拉举行国葬 万余人参加追悼会 2019-05-07
  • 人民日报民生观:我国医疗质量提升秘诀何在 2019-05-06
  • 市场经济优胜劣汰,被淘汰的如房地产,造成了资源浪费。 2019-05-06
  • 用双脚书写无悔的人生 2019-05-04
  • 五分彩不能提现 湖南快乐十分之动物总动员怎么玩 香港六合图库财神图库 彩票中奖号是什么 时时彩走势图软件最新版 湖北快三定胆杀号 网球大师杯门票 世博国际娱乐城注册送彩金 陕西十一选五今日推荐 108亿大奖 nba篮彩推荐 江西快3开奖结果今天 山东十一选五开奖信息 期平特四中四复式 新疆风采18选7奖金多少