深度學(xué)習實(shí)戰之PaddlePaddle簡(jiǎn)介，目錄書(shū)摘

編輯推薦:國內計算機視覺(jué)知名教授力薦
全書(shū)盡可能避開(kāi)數學(xué)公式，以深度學(xué)習圖像識別案例貫穿其中、由淺入深
從簡(jiǎn)單的手寫(xiě)數字識別、CIFAR彩色圖像識別開(kāi)始；到生活中廣泛應用的驗證碼識別、車(chē)牌識別、場(chǎng)景文字識別；再到移動(dòng)端、服務(wù)器端的深度學(xué)習應用
著(zhù)重幫助讀者進(jìn)行PaddlePaddle深度學(xué)習實(shí)踐應用程序開(kāi)發(fā)與解決問(wèn)題能力的培養

內容簡(jiǎn)介:內 容 提 要
本書(shū)全面講解了深度學(xué)習框架PaddlePaddle，并結合典型案例，闡述了PaddlePaddle的具體應用。本書(shū)共15章。第 1 章介紹了深度學(xué)習及其主流框架；第2章介紹了幾種不同的PaddlePaddle安裝方式；第3章使用MNIST數據集實(shí)現手寫(xiě)數字識別；第4章介紹CIFAR彩色圖像識別；第5章介紹了自定義數據集的識別；第6章介紹了驗證碼的識別；第7章介紹了場(chǎng)景文字的識別；第8章實(shí)現了驗證碼的端到端的識別；第9～11章講解了車(chē)牌識別、使用SSD神經(jīng)網(wǎng)絡(luò )完成目標檢測；第12章和第13章介紹了Fluid、可視化工具VisualDL；第 14 章和第 15 章介紹了如何在服務(wù)器端與Android移動(dòng)終端使用PaddlePaddle進(jìn)行項目實(shí)踐。
本書(shū)適合機器學(xué)習愛(ài)好者、程序員、人工智能方面的從業(yè)人員閱讀，也可以作為大專(zhuān)院校相關(guān)專(zhuān)業(yè)的師生用書(shū)和培訓學(xué)校的教材。

作者簡(jiǎn)介:潘志宏，工程師，ACM會(huì )員、CCF會(huì )員。研究興趣:機器學(xué)習(深度學(xué)習)、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)。主持和參與省市級、校級項目10余項，發(fā)表論文16篇，其中EI、北大核心期刊10篇，作者論文獲得北大核心期刊論文、東莞市計算機學(xué)會(huì )論文。申請發(fā)明專(zhuān)利、實(shí)用新型專(zhuān)利共6項，其中獲得軟件著(zhù)作權3項，已出版教材2部。指導學(xué)生獲得省級/市級競賽獎項40余項，多次獲得省級指導教師獎。

王培彬，網(wǎng)名夜雨飄零，多次在省市級學(xué)科競賽獲獎，獲得軟件著(zhù)作權4項，百度PaddlePaddle深度學(xué)習框架社區的"騎士團"成員，主要研究方向為計算機視覺(jué)。在CSDN博客編寫(xiě)"我的PaddlePaddle學(xué)習之路"系列文章，并在GitHub開(kāi)源相關(guān)代碼，并得到廣泛的認可。

萬(wàn)智萍，研究興趣:機器學(xué)習(深度學(xué)習)、物聯(lián)網(wǎng)、無(wú)線(xiàn)傳感器網(wǎng)絡(luò )，認知無(wú)線(xiàn)電，網(wǎng)絡(luò )安全。主持和參與省市級、校級項目23余項，發(fā)表論文45篇，獨撰發(fā)表論文32篇，其中中文核心期刊有22篇，CPCI檢索4篇，獲得實(shí)用新型專(zhuān)利12項，獲得軟件著(zhù)作權1項，已出版教材2部。指導學(xué)生獲獎共29項，獲得組織先進(jìn)個(gè)人獎。

邱澤敏，系統架構設計師。在機器學(xué)習、智能算法等領(lǐng)域有較多的理論和實(shí)踐工作積累，在國內外期刊及會(huì )議發(fā)表論文10余篇，主持及作為核心人員參與各類(lèi)省市、校級科研教改項目共6項， 實(shí)用新型專(zhuān)利1項，軟件著(zhù)作權1項。

目錄:目　錄



第　1章 深度學(xué)習　1
1．1　引言　1
1．2　深度學(xué)習框架簡(jiǎn)介　1
1．3　數學(xué)基礎知識　3
1．3．1　線(xiàn)性代數相關(guān)知識　3
1．3．2　概率論相關(guān)知識　10
1．3．3　導數相關(guān)知識　13
1．4　簡(jiǎn)單的深度學(xué)習理論知識　14
1．5　小結　19
第　2章 PaddlePaddle的安裝　20
2．1　引言　20
2．2　計算機配置　20
2．3　安裝前的檢查　20
2．4　使用pip安裝　21
2．5　使用Docker安裝　23
2．6　從源碼編譯并生成安裝包　25
2．6．1　在本地編譯并生成安裝包　25
2．6．2　在Docker中編譯并生成
安裝包　28
2．7　編譯Docker鏡像　29
2．8　在Windows操作系統中安裝
PaddlePaddle的方法　30
2．8．1　在Windows系統中安裝
Docker容器　30
2．8．2　在Windows系統中
安裝Ubuntu　35
2．8．3　在Windows 10中安裝Linux
子系統　41
2．9　測試安裝效果　43
2．10　小結　45
第3章　使用MNIST數據集實(shí)現手寫(xiě)
數字識別　46
3．1　引言　46
3．2　數據集　46
3．3　定義神經(jīng)網(wǎng)絡(luò )模型　47
3．4　開(kāi)始訓練模型　50
3．4．1　導入依賴(lài)包　50
3．4．2　初始化Paddle　51
3．4．3　獲取訓練器　51
3．4．4　開(kāi)始訓練　52
3．5　使用參數預測　54
3．5．1　初始化PaddlePaddle　54
3．5．2　獲取訓練好的參數　54
3．5．3　讀取圖片　54
3．5．4　開(kāi)始預測　55
3．6　小結　56
第4章　CIFAR數據集中彩色圖像的
識別　57
4．1　引言　57
4．2　數據集　57
4．3　定義神經(jīng)網(wǎng)絡(luò )模型　59
4．4　開(kāi)始訓練模型　61
4．4．1　導入依賴(lài)包　62
4．4．2　初始化Paddle　62
4．4．3　獲取參數　62
4．4．4　創(chuàng )建訓練器　63
4．4．5　開(kāi)始訓練　64
4．5　使用參數預測　67
4．6　使用其他神經(jīng)模型　69
4．7　小結　70
第5章　自定義圖像數據集的識別　72
5．1　引言　72
5．2　網(wǎng)絡(luò )爬蟲(chóng)技術(shù)　72
5．2．1　網(wǎng)絡(luò )爬蟲(chóng)的整體框架　72
5．2．2　URL管理器　74
5．2．3　網(wǎng)頁(yè)下載器　75
5．2．4　網(wǎng)頁(yè)解析器　76
5．3　網(wǎng)絡(luò )爬蟲(chóng)實(shí)例　77
5．3．1　調度器的使用　79
5．3．2　URL管理器的使用　80
5．3．3　網(wǎng)頁(yè)下載器的使用　81
5．3．4　網(wǎng)頁(yè)解析器的使用　82
5．3．5　數據收集器的使用　83
5．3．6　運行代碼　84
5．4　數據集　88
5．4．1　生成圖像列表　89
5．4．2　讀取數據　92
5．5　定義神經(jīng)網(wǎng)絡(luò )　96
5．6　使用PaddlePaddle開(kāi)始訓練　97
5．6．1　創(chuàng )建訓練器　98
5．6．2　開(kāi)始訓練　99
5．7　使用PaddlePaddle預測　102
5．8　小結　104
第6章　驗證碼的識別　105
6．1　引言　105
6．2　數據集的獲取　105
6．2．1　下載驗證碼　106
6．2．2　修改驗證碼的文件名　107
6．2．3　裁剪驗證碼　108
6．2．4　生成圖像列表　110
6．3　讀取數據　111
6．4　使用PaddlePaddle開(kāi)始訓練　112
6．5　使用PaddlePaddle預測　118
6．5．1　裁剪驗證碼　118
6．5．2　預測圖像　119
6．5．3　標簽轉成字符　120
6．6　小結　121
第7章　場(chǎng)景文字識別　122
7．1　引言　122
7．2　數據集　122
7．3　定義神經(jīng)網(wǎng)絡(luò )模型　123
7．4　數據的讀取　128
7．4．1　讀取圖像列表　128
7．4．2　生成標簽字典　129
7．4．3　讀取訓練數據　131
7．5　訓練模型　133
7．5．1　訓練準備　133
7．5．2　安裝libwarpctc．so庫　135
7．5．3　開(kāi)始訓練　136
7．6　開(kāi)始預測　137
7．7　小結　140
第8章　驗證碼端到端的識別　141
8．1　引言　141
8．2　數據集　141
8．3　生成圖像列表文件　143
8．4　數據的讀取　144
8．4．1　讀取數據并存儲成列表　144
8．4．2　生成和讀取標簽字典　145
8．4．3　讀取訓練和測試的數據　146
8．5　定義網(wǎng)絡(luò )模型　147
8．6　生成訓練器　150
8．7　定義訓練　151
8．8　啟動(dòng)訓練　152
8．9　開(kāi)始預測　153
8．10　小結　156
第9章　車(chē)牌端到端的識別　157
9．1　引言　157
9．2　車(chē)牌數據的采集　157
9．2．1　車(chē)牌數據的下載　157
9．2．2　命名車(chē)牌圖像　159
9．2．3　車(chē)牌定位　159
9．2．4　灰度化圖像　163
9．3　數據的讀取　164
9．3．1　生成列表文件　164
9．3．2　以列表方式讀取數據　165
9．3．3　生成和讀取標簽字典　166
9．3．4　訓練數據和測試數據的
讀取　167
9．4　定義神經(jīng)網(wǎng)絡(luò )　169
9．5　開(kāi)始訓練　171
9．6　開(kāi)始預測　173
9．7　小結　176
第　10章 使用VOC數據集實(shí)現目標
檢測　177
10．1　引言　177
10．2　VOC數據集　177
10．2．1　下載VOC數據集　178
10．2．2　生成圖像列表　179
10．3　數據預處理　180
10．4　SSD神經(jīng)網(wǎng)絡(luò )　182
10．5　訓練模型　186
10．6　評估模型　189
10．7　預測數據　191
10．7．1　預測并保存預測
結果　191
10．7．2　顯示畫(huà)出的框　193
10．8　小結　195
第　11章 通過(guò)自定義圖像數據集實(shí)現
目標檢測　196
11．1　引言　196
11．2　數據集　196
11．2．1　下載車(chē)牌數據　196
11．2．2　重命名圖像　197
11．3　標注數據集　198
11．3．1　安裝LabelImg　198
11．3．2　使用LabelImg　198
11．3．3　生成圖像列表　201
11．4　訓練模型　202
11．4．1　預訓練模型處理　202
11．4．2　開(kāi)始訓練　203
11．5　評估模型　204
11．6　預測圖片　205
11．6．1　獲取預測結果　205
11．6．2　顯示預測結果　206
11．7　小結　208
第　12章 使用PaddlePaddle Fluid　209
12．1　引言　209
12．2　Fluid版本　209
12．3　定義神經(jīng)網(wǎng)絡(luò )　210
12．4　訓練程序　212
12．4．1　定義數據　213
12．4．2　定義平均正確率　213
12．4．3　定義測試程序　213
12．4．4　定義優(yōu)化方法　214
12．5　訓練模型　214
12．5．1　定義調試器　215
12．5．2　獲取數據　215
12．5．3　開(kāi)始訓練　216
12．5．4　保存預測模型　217
12．6　預測模型　217
12．7　小結　219
第　13章 可視化工具VisualDL的
使用　220
13．1　引言　220
13．2　VisualDL的介紹　220
13．3　VisualDL的安裝　222
13．3．1　使用pip安裝　223
13．3．2　使用源碼安裝　224
13．4　簡(jiǎn)單使用VisualDL　224
13．5　在PaddlePaddle中使用
VisualDL　226
13．5．1　定義VisualDL
組件　226
13．5．2　編寫(xiě)PaddlePaddle
代碼　227
13．5．3　把數據添加到
VisualDL中　229
13．6　小結　232
第　14章 把PaddlePaddle部署到網(wǎng)站
服務(wù)器上　233
14．1　引言　233
14．2　開(kāi)發(fā)環(huán)境　233
14．3　Flask的使用　234
14．3．1　安裝Flask　234

14．3．2　測試Flask框架是否安裝
成功　234
14．3．3　文件上傳　235
14．4　使用PaddlePaddle預測　237
14．4．1　獲取預測模型　237
14．4．2　部署PaddlePaddle　238
14．5　小結　242
第　15章 把PaddlePaddle應用到
Android手機　244
15．1　引言　244
15．2　編譯PaddlePaddle庫　244
15．2．1　使用Docker編譯
PaddlePaddle庫　244
15．2．2　使用Linux編譯
PaddlePaddle庫　247
15．3　MobileNet神經(jīng)網(wǎng)絡(luò )　250
15．4　訓練模型　254
15．5　編寫(xiě)預測代碼　258
15．6　合并模型　261
15．7　移植到Android　262
15．7．1　加載PaddlePaddle庫　262
15．7．2　加載合并的模型　263
15．7．3　開(kāi)發(fā)Android程序　263
15．8　小結　272