深度学习在动态媒体中的应用与实践

作品简介

本书是一本深度学习的基础入门读物，对深度学习的基本理论进行了介绍，主要以Ubuntu系统为例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分别在3个框架下，通过3个实战项目掌握了框架的使用方法，并详细描述了生产流程，最后讲述了通过集群部署深度学习的项目以及如何进行运营维护的注意事项。

唐宏，中国电信股份有限公司广州研究院数据通信研究所所长、高级工程师，中国电子学会云计算专家委员会委员，中国电信股份有限公司科技委员会数据组副组长，中国SDN产业联盟需求场景与网络架构组组长。主要从事IP承载网、下一代互联网、网络新技术方面的研发与管理工作。

作品目录

• 内容提要
• 前言
• 第1章 深度学习简介
• 1.1 深度学习的发展
• 1.2 深度学习的应用及研究方向
• 1.3 深度学习工具介绍和对比
• 1.4 小结
• 第2章 深度学习基本理论
• 2.1 深度学习的基本概念
• 2.2 深度学习的训练过程
• 2.3 深度学习的常用模型和方法
• 2.4 小结
• 第3章 深度学习环境搭建
• 3.1 Caffe安装
• 3.2 Caffe框架下的MNIST数字识别问题
• 3.3 TensorFlow安装
• 3.4 TensorFlow框架下的CIFAR图像识别问题
• 3.5 Torch安装
• 3.6 Torch框架下neural-style图像合成问题
• 3.7 小结
• 第4章 人脸识别
• 4.1 人脸识别概述
• 4.2 人脸识别系统设计
• 4.3 系统生产环境部署及验证
• 4.4 批量生产
• 4.5 小结
• 第5章 车辆识别
• 5.1 概述
• 5.2 系统设计
• 5.3 系统生产环境部署及验证
• 5.4 批量生产
• 5.5 小结
• 第6章 不良视频识别
• 6.1 概述
• 6.2 不良图片模型简介
• 6.3 系统设计
• 6.4 系统部署及系统测试验证
• 6.5 批量生产
• 6.6 小结
• 第7章 集群部署与运营维护
• 7.1 认识Docker
• 7.2 基于Docker的TensorFlow实验环境
• 7.3 运营维护
• 7.4 小结
• 参考文献