Hlboké učenie v systéme Windows: Hlboké učenie: budovanie systémov počítačového videnia v systéme Microsoft Windows

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.

Pôvodný názov:

Deep Learning on Windows: Building Deep Learning Computer Vision Systems on Microsoft Windows

Obsah knihy:

​.

Kapitola 1: Kde začať s hlbokým učením

Cieľ kapitoly:Zistite, aké nástroje sú k dispozícii pre úlohy hlbokého učenia a počítačového videnia. Zistiť, aké úvahy musí čitateľ urobiť o nástrojoch, operačnom systéme a hardvéri.

Počet strán: 20

Podotázky: Podotázky:.

1. Môžeme vytvárať modely hlbokého učenia v systéme Windows?

2. Programovací jazyk - Python.

3. Správa balíkov a prostredia - Anaconda.

4. Užitkové knižnice Pythonu pre hlboké učenie a počítačové videnie.

5. Rámce pre hlboké učenie.

6. Knižnice pre počítačové videnie.

7. Optimalizátory a akcelerátory.

8. Čo s hardvérom?

9. Odporúčané konfigurácie hardvéru počítača.

Kapitola 2: Nastavenie nástrojov.

Cieľ kapitoly:Pokyny krok za krokom, ako nainštalovať, konfigurovať a odstraňovať problémy s požadovanými nástrojmi.

Počet strán: Počet strán: 35

Podotázky:

1. Inštalácia aplikácie Visual Studio s podporou C++.

2. Inštalácia CMake.

3. Inštalácia Anaconda Python.

4. Nastavenie prostredia Conda a knižníc Pythonu.

5. Inštalácia programu TensorFlow.

6. Inštalácia multi-backend verzie Keras.

7. Inštalácia OpenCV.

8. Inštalácia Dlib.

9. Overenie inštalácií.

10. Voliteľné kroky.

11. Riešenie problémov.

12. Zhrnutie.

Kapitola 3: Vytvorenie prvého modelu hlbokého učenia v systéme Windows.

Cieľ kapitoly:Sprievodca kódovaním krok za krokom na vytvorenie prvého modelu konvolučnej neurónovej siete na klasifikáciu obrazu "Hello World".

Počet strán: 20.

Podtémy:

1. Čo je súbor údajov MNIST?

2. Model LeNet.

3. Vytvorme si náš prvý model.

4. Spustenie nášho modelu.

5. Čo môžete robiť ďalej?

Kapitola 4: Pochopenie toho, čo sme postavili.

Cieľ kapitoly: Spoznať vnútorné fungovanie konvolučnej neurónovej siete.

Počet strán: 20.

Dielčie témy:

1. Digitálne obrázky.

2. Konvolúcie.

3. Funkcia nelinearity.

4. Združovanie.

5. Klasifikátor (plne prepojená vrstva)

6. Ako to všetko spolu súvisí?

Kapitola 5: Vizualizácia modelov.

Cieľ kapitoly:Pochopiť spôsoby vizualizácie vnútorného fungovania modelov hlbokého učenia, ktoré čitateľovi umožnia využiť tieto znalosti pri vytváraní komplexných modelov.

Počet strán: 1: 20.

Podtémy:

1. Prečo je vizualizácia modelov užitočná.

2. Používanie funkcie plot_model v Keras.

3. Použitie Netronu na vizualizáciu štruktúr modelov.

4. Vizualizácia konvolučných filtrov.

Kapitola 6: Učenie prenosom.

Kapitola Cieľ:Budovanie systémov hlbokého učenia, ktoré riešia praktický problém, je zvyčajne sťažené kvôli náročnosti zhromažďovania a správy trénovacích údajov. Zvyčajne je to al.