书籍目录
首页
分类
免费
排行
我的书架
1-50章
51-100章
101-150章
151-156章
共156章
免费
版权信息
免费
译者序
免费
前言
免费
第一部分 面向计算机视觉的深度学习基础知识
免费
第1章 人工神经网络基础
免费
1.1 比较人工智能与传统机器学习
免费
1.2 人工神经网络的构建模块
免费
1.3 实现前向传播
免费
1.4 实现反向传播
免费
1.5 整合前向传播与反向传播
免费
1.6 理解学习率的影响
免费
1.7 总结神经网络的训练过程
免费
1.8 小结
免费
1.9 课后习题
免费
第2章 PyTorch基础
免费
2.1 安装PyTorch
免费
2.2 PyTorch张量
2.3 使用PyTorch构建神经网络
2.4 使用序贯方法构建神经网络
2.5 保存并加载PyTorch模型
2.6 小结
2.7 课后习题
第3章 使用PyTorch构建深度神经网络
3.1 表示图像
3.2 为什么要使用神经网络进行图像分析
3.3 为图像分类准备数据
3.4 训练神经网络
3.5 缩放数据集以提升模型准确度
3.6 理解不同批大小的影响
3.7 理解不同损失优化器的影响
3.8 理解不同学习率的影响
3.9 理解不同学习率衰减的影响
3.10 构建更深的神经网络
3.11 理解不同批归一化的影响
3.12 过拟合的概念
3.13 小结
3.14 课后习题
第二部分 物体分类与目标检测
第4章 卷积神经网络
4.1 传统深度神经网络的问题
4.2 CNN的构建模块
4.3 实现CNN
4.4 使用深度CNN分类图像
4.5 实现数据增强
4.6 特征学习结果的可视化
4.7 构建对真实图像进行分类的CNN
4.8 小结
4.9 课后习题
第5章 面向图像分类的迁移学习
5.1 迁移学习简介
×