智能系统与技术丛书MXNET深度学习实战

目 录前言第1章 全面认识MXNet11.1 人工智能、机器学习与深度学习21.1.1 人工智能21.1.2 机器学习21.1.3 深度学习41.2 深度学习框架41.2.1 MXNet61.2.2 PyTorch61.2.3 Caffe/Caffe271.2.4 TensorFlow71.2.5 其他71.3 关于MXNet81.3.1 MXNet的发展历程81.3.2 MXNet的优势91.4 MXNet开发需要具备的知识101.4.1 接口语言111.4.2 NumPy111.4.3 神经网络111.5 本章小结12第2章 搭建开发环境132.1 环境配置142.2 使用Docker安装MXNet192.2.1 准备部分192.2.2 使用仓库安装Docker202.2.3 基于安装包安装Docker232.2.4 安装nvidia-docker232.2.5 通过Docker使用MXNet252.3 本地pip安装MXNet272.4 本章小结29第3章 MXNet基础313.1 NDArray313.2 Symbol373.3 Module433.4 本章小结48第4章 MNIST手写数字体分类504.1 训练代码初探524.2 训练代码详细解读554.2.1 训练参数配置564.2.2 数据读取594.2.3 网络结构搭建594.2.4 模型训练614.3 测试代码初探624.4 测试代码详细解读644.4.1 模型导入644.4.2 数据读取664.4.3 预测输出674.5 本章小结68第5章 数据读取及增强695.1 直接读取原图像数据705.1.1 优点及缺点705.1.2 使用方法715.2 基于RecordIO文件读取数据755.2.1 什么是RecordIO文件755.2.2 优点及缺点765.2.3 使用方法765.3 数据增强785.3.1 resize795.3.2 crop835.3.3 镜像895.3.4 亮度905.3.5 对比度925.3.6 饱和度 945.4 本章小结95第6章 网络结构搭建976.1 网络层986.1.1 卷积层986.1.2 BN层1066.1.3 激活层1086.1.4 池化层1116.1.5 全连接层1146.1.6 损失函数层1166.1.7 通道合并层1196.1.8 逐点相加层1216.2 图像分类网络结构1226.2.1 AlexNet1236.2.2 VGG1246.2.3 GoogleNet1256.2.4 ResNet1286.2.5 ResNeXt1306.2.6 DenseNet1316.2.7 SENet1326.2.8 MobileNet1346.2.9 ShuffleNet1366.3 本章小结138第7章 模型训练配置1407.1 问题定义1417.2 参数及训练配置1427.2.1 参数初始化1427.2.2 优化函数设置1447.2.3 保存模型1457.2.4 训练日志的保存1467.2.5 选择或定义评价指标1477.2.6 多GPU训练1507.3 迁移学习1517.4 断点训练1537.5 本章小结154第8章 图像分类1568.1 图像分类基础知识1578.1.1 评价指标1588.1.2 损失函数1608.2 猫狗分类实战1608.2.1 数据准备1618.2.2 训练参数及配置1658.2.3 数据读取1688.2.4 网络结构搭建1708.2.5 训练模型1718.2.6 测试模型1768.3 本章小结179第9章 目标检测1809.1 目标检测基础知识1829.1.1 数据集1849.1.2 SSD算法简介1889.1.3 anchor1899.1.4 IoU1949.1.5 模型训练目标1959.1.6 NMS1999.1.7 评价指标mAP2019.2 通用目标检测2029.2.1 数据准备2039.2.2 训练参数及配置2059.2.3 网络结构搭建2089.2.4 数据读取2159.2.5 定义训练评价指标2189.2.6 训练模型2209.2.7 测试模型2219.4 本章小结224第10章 图像分割22510.1 图像分割22610.1.1 数据集22710.1.2 评价指标22910.1.3 语义分割算法23010.2 语义分割实战23110.2.1 数据准备23210.2.2 训练参数及配置23310.2.3 数据读取23710.2.4 网络结构搭建24010.2.5 定义评价指标24510.2.6 训练模型24910.2.7 测试模型效果25110.3 本章小结253第11章 Gluon25511.1 Gluon基础25611.1.1 data模块25611.1.2 nn模块26011.1.3 model zoo模块26511.2 CIFAR10数据集分类26711.2.1 基于CPU的训练代码26711.2.2 基于GPU的训练代码27211.2.3 测试代码27511.3 本章小结276第12章 GluonCV27812.1 GluonCV基础27912.1.1 data模块28012.1.2 model zoo模块28512.1.3 utils模块29212.2 解读ResNet复现代码29312.2.1 导入模块29612.2.2 命令行参数设置29612.2.3 日志信息设置29712.2.4 训练参数配置29812.2.5 模型导入30012.2.6 数据读取30112.2.7 定义评价指标30312.2.8 模型训练30312.3 本章小结308