MXNet深度学习实战

作品简介

本书是从一名算法工程师的角度出发介绍算法实现，整体上偏基础和细节，能够帮助入门者少走弯路。随着这几年深度学习的快速发展，众多深度学习框架对各类接口的封装都很完善，使用起来非常方便，但是部分深度学习入门者仅仅停留在跑通demo却不理解细节内容的层面，这也常常被人调侃有些浮躁，通过本书，笔者希望读者不仅能够灵活调用这些接口实现算法，而且能够理解这些接口的内在含义，不断夯实自己的算法基础。

魏凯峰著。

作品目录

• 前言
• 第1章　全面认识MXNet
• 1.1　人工智能、机器学习与深度学习
• 1.2　深度学习框架
• 1.3　关于MXNet
• 1.4　MXNet开发需要具备的知识
• 1.5　本章小结
• 第2章　搭建开发环境
• 2.1　环境配置
• 2.2　使用Docker安装MXNet
• 2.3　本地pip安装MXNet
• 2.4　本章小结
• 第3章　MXNet基础
• 3.1　NDArray
• 3.2　Symbol
• 3.3　Module
• 3.4　本章小结
• 第4章　MNIST手写数字体分类
• 4.1　训练代码初探
• 4.2　训练代码详细解读
• 4.3　测试代码初探
• 4.4　测试代码详细解读
• 4.5　本章小结
• 第5章　数据读取及增强
• 5.1　直接读取原图像数据
• 5.2　基于RecordIO文件读取数据
• 5.3　数据增强
• 5.4　本章小结
• 第6章　网络结构搭建
• 6.1　网络层
• 6.2　图像分类网络结构
• 6.3　本章小结
• 第7章　模型训练配置
• 7.1　问题定义
• 7.2　参数及训练配置
• 7.3　迁移学习
• 7.4　断点训练
• 7.5　本章小结
• 第8章　图像分类
• 8.1　图像分类基础知识
• 8.2　猫狗分类实战
• 8.3　本章小结
• 第9章　目标检测
• 9.1　目标检测基础知识
• 9.2　通用目标检测
• 9.4　本章小结
• 第10章　图像分割
• 10.1　图像分割
• 10.2　语义分割实战
• 10.3　本章小结
• 第11章　Gluon
• 11.1　Gluon基础
• 11.2　CIFAR10数据集分类
• 11.3　本章小结
• 第12章　GluonCV
• 12.1　GluonCV基础
• 12.2　解读ResNet复现代码
• 12.3　本章小结