《MXNet深度學(xué)習(xí)實(shí)戰(zhàn)》讀書(shū)筆記思維導(dǎo)圖PPT模板下載

PPT書(shū)籍導(dǎo)讀最新版本讀書(shū)筆記模板《MXNet深度學(xué)習(xí)實(shí)戰(zhàn)》最新版讀書(shū)筆記，下載可以直接修改小結(jié)第章數(shù)據(jù)MXNet訓(xùn)練算法模型基礎(chǔ)指標(biāo)評(píng)價(jià)接口圖像模塊深度準(zhǔn)備網(wǎng)絡(luò)結(jié)構(gòu)信息目標(biāo)參數(shù)本書(shū)關(guān)鍵字分析思維導(dǎo)圖01第1章全面認(rèn)識(shí)MXNet第3章MXNet基礎(chǔ)第5章數(shù)據(jù)讀取及增強(qiáng)第2章搭建開(kāi)發(fā)環(huán)境第4章MNIST手寫(xiě)數(shù)字體分類(lèi)第6章網(wǎng)絡(luò)結(jié)構(gòu)搭建目錄030502040607第7章模型訓(xùn)練配置第9章目標(biāo)檢測(cè)第11章Gluon第8章圖像分類(lèi)第10章圖像分割第12章GluonCV目錄0901108010012內(nèi)容摘要本書(shū)是從一名算法工程師的角度出發(fā)介紹算法實(shí)現(xiàn)，整體上偏基礎(chǔ)和細(xì)節(jié)，能夠幫助入門(mén)者少走彎路。隨著這幾年深度學(xué)習(xí)的快速發(fā)展，眾多深度學(xué)習(xí)框架對(duì)各類(lèi)接口的封裝都很完善，使用起來(lái)非常方便，但是部分深度學(xué)習(xí)入門(mén)者僅僅停留在跑通demo卻不理解細(xì)節(jié)內(nèi)容的層面，這也常常被人調(diào)侃有些浮躁，通過(guò)本書(shū)，筆者希望讀者不僅能夠靈活調(diào)用這些接口實(shí)現(xiàn)算法，而且能夠理解這些接口的內(nèi)在含義，不斷夯實(shí)自己的算法基礎(chǔ)。第1章全面認(rèn)識(shí)MXNet1.1人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)1.2深度學(xué)習(xí)框架1.3關(guān)于MXNet1.4MXNet開(kāi)發(fā)需要具備的知識(shí)1.5本章小結(jié)12345第1章全面認(rèn)識(shí)MXNet1.1.1人工智能1.1.3深度學(xué)習(xí)1.1.2機(jī)器學(xué)習(xí)1.1人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)1.2.1MXNet1.2.2PyTorch1.2.3Caffe/Caffe21.2.4TensorFlow1.2.5其他123451.2深度學(xué)習(xí)框架1.3.2MXNet的優(yōu)勢(shì)1.3.1MXNet的發(fā)展歷程1.3關(guān)于MXNet1.4.1接口語(yǔ)言1.4.3神經(jīng)網(wǎng)絡(luò)1.4.2NumPy1.4MXNet開(kāi)發(fā)需要具備的知識(shí)第2章搭建開(kāi)發(fā)環(huán)境2.1環(huán)境配置2.2使用Docker安裝MXNet2.3本地pip安裝MXNet2.4本章小結(jié)第2章搭建開(kāi)發(fā)環(huán)境2.2.1準(zhǔn)備部分2.2.2使用倉(cāng)庫(kù)安裝Docker2.2.3基于安裝包安裝Docker2.2.4安裝nvidia-docke...2.2.5通過(guò)Docker使用MXNe...123452.2使用Docker安裝MXNet第3章MXNet基礎(chǔ)3.1NDArray3.2Symbol3.3Module3.4本章小結(jié)第3章MXNet基礎(chǔ)第4章MNIST手寫(xiě)數(shù)字體分類(lèi)4.1訓(xùn)練代碼初探4.2訓(xùn)練代碼詳細(xì)解讀4.3測(cè)試代碼初探4.4測(cè)試代碼詳細(xì)解讀4.5本章小結(jié)12345第4章MNIST手寫(xiě)數(shù)字體分類(lèi)4.2.1訓(xùn)練參數(shù)配置4.2.2數(shù)據(jù)讀取4.2.3網(wǎng)絡(luò)結(jié)構(gòu)搭建4.2.4模型訓(xùn)練4.2訓(xùn)練代碼詳細(xì)解讀4.4.1模型導(dǎo)入4.4.3預(yù)測(cè)輸出4.4.2數(shù)據(jù)讀取4.4測(cè)試代碼詳細(xì)解讀第5章數(shù)據(jù)讀取及增強(qiáng)5.1直接讀取原圖像數(shù)據(jù)5.2基于RecordIO文件讀取數(shù)據(jù)5.3數(shù)據(jù)增強(qiáng)5.4本章小結(jié)第5章數(shù)據(jù)讀取及增強(qiáng)5.1.2使用方法5.1.1優(yōu)點(diǎn)及缺點(diǎn)5.1直接讀取原圖像數(shù)據(jù)5.2.1什么是RecordIO文件5.2.3使用方法5.2.2優(yōu)點(diǎn)及缺點(diǎn)5.2基于RecordIO文件讀取數(shù)據(jù)5.3.1resize5.3.2crop5.3.3鏡像5.3.4亮度5.3.5對(duì)比度5.3.6飽和度0103020405065.3數(shù)據(jù)增強(qiáng)第6章網(wǎng)絡(luò)結(jié)構(gòu)搭建6.1網(wǎng)絡(luò)層6.3本章小結(jié)6.2圖像分類(lèi)網(wǎng)絡(luò)結(jié)構(gòu)第6章網(wǎng)絡(luò)結(jié)構(gòu)搭建6.1.1卷積層6.1.2BN層6.1.3激活層6.1.4池化層6.1網(wǎng)絡(luò)層6.1.5全連接層6.1.6損失函數(shù)層6.1.7通道合并層6.1.8逐點(diǎn)相加層6.1網(wǎng)絡(luò)層6.2.1AlexNet6.2.2VGG6.2.3GoogleNet6.2.4ResNet6.2.5ResNeXt6.2.6DenseNet0103020405066.2圖像分類(lèi)網(wǎng)絡(luò)結(jié)構(gòu)6.2.7SENet6.2.9ShuffleNet6.2.8MobileNet6.2圖像分類(lèi)網(wǎng)絡(luò)結(jié)構(gòu)第7章模型訓(xùn)練配置7.1問(wèn)題定義7.2參數(shù)及訓(xùn)練配置7.3遷移學(xué)習(xí)7.4斷點(diǎn)訓(xùn)練7.5本章小結(jié)12345第7章模型訓(xùn)練配置7.2.1參數(shù)初始化7.2.2優(yōu)化函數(shù)設(shè)置7.2.3保存模型7.2.4訓(xùn)練日志的保存7.2.5選擇或定義評(píng)價(jià)指標(biāo)7.2.6多GPU訓(xùn)練0103020405067.2參數(shù)及訓(xùn)練配置第8章圖像分類(lèi)8.1圖像分類(lèi)基礎(chǔ)知識(shí)8.3本章小結(jié)8.2貓狗分類(lèi)實(shí)戰(zhàn)第8章圖像分類(lèi)8.1.2損失函數(shù)8.1.1評(píng)價(jià)指標(biāo)8.1圖像分類(lèi)基礎(chǔ)知識(shí)8.2.1數(shù)據(jù)準(zhǔn)備8.2.2訓(xùn)練參數(shù)及配置8.2.3數(shù)據(jù)讀取8.2.4網(wǎng)絡(luò)結(jié)構(gòu)搭建8.2.5訓(xùn)練模型8.2.6測(cè)試模型0103020405068.2貓狗分類(lèi)實(shí)戰(zhàn)第9章目標(biāo)檢測(cè)9.1目標(biāo)檢測(cè)基礎(chǔ)知識(shí)9.4本章小結(jié)9.2通用目標(biāo)檢測(cè)第9章目標(biāo)檢測(cè)9.1.1數(shù)據(jù)集9.1.2SSD算法簡(jiǎn)介9.1.3anchor9.1.4IoU9.1目標(biāo)檢測(cè)基礎(chǔ)知識(shí)9.1.5模型訓(xùn)練目標(biāo)9.1.7評(píng)價(jià)指標(biāo)mAP9.1.6NMS9.1目標(biāo)檢測(cè)基礎(chǔ)知識(shí)9.2.1數(shù)據(jù)準(zhǔn)備9.2.2訓(xùn)練參數(shù)及配置9.2.3網(wǎng)絡(luò)結(jié)構(gòu)搭建9.2.4數(shù)據(jù)讀取9.2通用目標(biāo)檢測(cè)9.2.5定義訓(xùn)練評(píng)價(jià)指標(biāo)9.2.7測(cè)試模型9.2.6訓(xùn)練模型9.2通用目標(biāo)檢測(cè)第10章圖像分割10.1圖像分割10.3本章小結(jié)10.2語(yǔ)義分割實(shí)戰(zhàn)第10章圖像分割10.1.1數(shù)據(jù)集10.1.3語(yǔ)義分割算法10.1.2評(píng)價(jià)指標(biāo)10.1圖像分割10.2.1數(shù)據(jù)準(zhǔn)備10.2.2訓(xùn)練參數(shù)及配置10.2.3數(shù)據(jù)讀取10.2.4網(wǎng)絡(luò)結(jié)構(gòu)搭建10.2語(yǔ)義分割實(shí)戰(zhàn)10.2.5定義評(píng)價(jià)指標(biāo)10.2.7測(cè)試模型效果10.2.6訓(xùn)練模型10.2語(yǔ)義分割實(shí)戰(zhàn)第11章Gluon11.1Gluon基礎(chǔ)11.3本章小結(jié)11.2CIFAR10數(shù)據(jù)集分類(lèi)第11章Gluon11.1.1data模塊11.1.3modelzoo模塊11.1.2nn模塊11.1Gluon基礎(chǔ)11.2.1基于CPU的訓(xùn)練代碼11.2.3測(cè)試代碼11.2.2基于GPU的訓(xùn)練代碼11.2CIFAR10數(shù)據(jù)集分類(lèi)第12章GluonCV12.1GluonCV基礎(chǔ)12.3本章小結(jié)12.2解讀ResNet復(fù)現(xiàn)代碼第12章GluonCV12.1.1data模塊12.1.3utils模塊12.1.2modelzoo模塊12.1Glu