×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
机器学习与边缘人工智能实验

机器学习与边缘人工智能实验

1星价 ¥48.8 (7.5折)
2星价¥48.8 定价¥65.0
暂无评论
图文详情
  • ISBN:9787030720429
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:239
  • 出版时间:2022-04-01
  • 条形码:9787030720429 ; 978-7-03-072042-9

内容简介

《机器学习与边缘人工智能实验》共14章,涵盖了深度学习中的大部分学习网络方法。第1~2章介绍开发环境软件安装和深度学习相关的软件包,第3~4章是鸢尾花多分类全连接神经网络识别案例与实现,第5~6章是MINIST手写数字识别案例,第7章是Fashion MNIST服装识别案例,可以加深对卷积神经网络的认识,第8章介绍CIFAR-10数据集彩色图片识别案例,第9章介绍循环卷积神经网络并通过字母预测实现,第10章是Embedding编码下通过4个字母预测下一个字母的案例,第11章是股票预测案例,第12章是基于OpenCV和Keras的人脸识别案例,第13章是基于Yolov3_tiny AI小车的目标检测案例,第14章是AI智能小车的斑马线识别案例。

目录

目录
前言
第1章 开发环境软件安装 001
(一)实验目的 002
(二)实验内容 002
(三)实验设备 002
(四)软件环境匹配 002
(五)实验步骤 004
(六)实验要求 021
第2章 TensorFlow-GPU 1.13.1和CV2等开发包及其他依赖库安装 022
(一)实验目的 023
(二)实验内容 023
(三)实验设备 023
(四)软件介绍 023
(五)安装步骤 024
(六)实验要求 044
第3章 鸢尾花多分类全连接神经网络识别案例(Python代码实现) 045
(一)实验目的 046
(二)实验内容 046
(三)实验设备 046
(四)实验原理 046
(五)实验步骤 052
(六)实验要求 059
(七)实验习题 059
第4章 鸢尾花多分类全连接神经网络识别案例(Keras类实现) 060
(一)实验目的 061
(二)实验内容 061
(三)实验设备 061
(四)实验原理 061
(五)实验步骤 066
(六)实验要求 072
(七)实验习题 072
第5章 MINIST手写数字识别案例(Python代码实现) 073
(一)实验目的 074
(二)实验内容 074
(三)实验设备 074
(四)实验原理 074
(五)实验步骤 084
(六)实验要求 091
(七)实验习题 091
第6章 MINIST手写数字识别案例(Keras类实现) 093
(一)实验目的 094
(二)实验内容 094
(三)实验设备 094
(四)实验原理 094
(五)实验步骤 103
(六)实验要求 111
(七)实验习题 111
第7章 Fashion MNIST服装识别案例 112
(一)实验目的 113
(二)实验内容 113
(三)实验设备 113
(四)实验原理 113
(五)实验步骤 119
(六)实验要求 127
(七)实验习题 128
第8章 CIFAR-10数据集彩色图片识别案例 129
(一)实验目的 130
(二)实验内容 130
(三)实验设备 130
(四)实验原理 130
(五)实验步骤 139
(六)实验要求 145
(七)实验习题 146
第9章 Embedding编码下通过1个字母预测下一个字母的案例 147
(一)实验目的 148
(二)实验内容 148
(三)实验设备 148
(四)实验原理 148
(五)实验步骤 154
(六)实验要求 160
(七)实验习题 160
第10章 Embedding编码下通过4个字母预测下一个字母的案例 161
(一)实验目的 162
(二)实验内容 162
(三)实验设备 162
(四)实验原理 162
(五)实验步骤 169
(六)实验要求 178
(七)实验习题 178
第11章 股票预测案例(LSTM网络实现) 179
(一)实验目的 180
(二)实验内容 180
(三)实验设备 180
(四)实验原理 180
(五)实验步骤 187
(六)实验要求 195
(七)实验习题 195
第12章 基于OpenCV和Keras的人脸识别案例 196
(一)实验目的 197
(二)实验内容 197
(三)实验设备 197
(四)实验原理 197
(五)实验步骤 209
(六)实验要求 217
(七)实验习题 217
第13章 基于Yolov3_tinyAI小车的目标检测案例 218
(一)实验目的 219
(二)实验内容 219
(三)实验设备 219
(四)实验原理 219
(五)实验步骤 224
(六)实验要求 225
(七)实验习题 226
第14章 AI智能小车的斑马线识别案例 227
(一)实验目的 228
(二)实验内容 228
(三)实验设备 228
(四)实验原理 228
(五)实验步骤 232
(六)实验要求 237
(七)实验习题 237
参考文献 238
展开全部

节选

第1章 开发环境软件安装 (一)实验目的 (1)配置机器学习环境,成功实现在Windows系统下运行机器学习项目。 (2)掌握机器学习环境配置的相关软件,熟练配置机器学习运行平台。 (3)掌握Anaconda软件配置相关运行环境。 (4)掌握Windows平台下不同环境的搭建方法。 (二)实验内容 (1)安装Anaconda,并使用Anaconda配置相关运行平台。 (2)查找相关资料,根据硬件基础匹配相应软件的版本。 (3)完成CUDA、cuDNN、Anaconda、PyCharm的安装。 (三)实验设备 (1)PC机1台。 (四)软件环境匹配 在搭建Windows机器学习运行平台的过程中,对于安装软件的版本是有严格要求的,官方根据不同的硬件环境给出了主要软件版本的对应表,如表1.1所示。其中Windows系统主要以Windows10为主。 因此,在搭建软件运行环境前,需要先了解PC机安装的CUDA驱动版本,并据此安装相应的运行平台。 查询CUDA驱动版本的主要步骤如下。 (1)点击鼠标右键,打开“NVIDIA控制面板”。点击“系统信息”,如图1.1所示。 图1.1 NVIDIA控制面板 (2)打开“系统信息”界面后,点击“组件”,就可以找到NVIDIA的驱动版本,如图1.2所示。 图1.2 NVIDIA驱动版本 需要注意的是,驱动版本是可以升级的。如有需要,可以前往官网下载更新驱动版本,但不建议随意升级NVIDIA驱动。NVIDIA驱动官方下载地址: NVIDIA的驱动版本与CUDA和系统对应表如表1.2所示,可以根据需要安装CUDA,下载对应的NVIDIA驱动。 (五)实验步骤 1. 安装CUDA 根据系统驱动版本选择安装CUDA10.0。CUDA10.0官方下载地址: (1)选择CUDA安装路径,如图1.3所示。 图1.3 选择CUDA安装路径 (2)NVIDIA安装程序软件许可协议界面如图1.4所示,点击“同意并继续”。 图1.4 NVIDIA安装程序软件许可协议 (3)选择“自定义(C)(高级)”,如图1.5所示。 图1.5 NVIDIA安装程序安装选项 (4)根据需要安装对应组件,通常驱动会自带“NVIDIA GeForce Experience”,但新升级的驱动可能没有,可以勾选进行安装,如图1.6所示。之后正常安装即可。 图1.6 NVIDIA安装程序自定义安装选项 (5)需要注意的是,如果电脑之前安装过Visual Studio,可能会造成安装失败,如图1.7所示。 图1.7 NVIDIA安装程序失败 此时,将“Visual Studio Integration”前面的勾选去掉,即去掉这个组件选项,就可以正常安装了,如图1.8所示。因为实验主要通过PyCharm完成,所以并不会有影响。  图1.8 去掉“Visual Studio Integration”选项 (6)安装成功后,关闭安装进程。打开C盘,进入目录: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin 如果能在目录中成功找到nvcc.exe文件,说明安装成功,如图1.9所示。 2. 安装cuDNN cuDNN官方下载地址: 图1.9 验证CUDA是否安装成功 由表1.1可知,与CUDA10.0对应的是cudnn 7.4,下载时需要特别注意下载安装的系统和版本。下载之后,将文件解压,解压后主要有三个文件夹,即bin、include、lib。将解压后的文件全部移至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下,与原有的bin、lib、include文件夹合并。 (1)解压文件夹,并将文件夹打开,进入CUDA目录。解压后的文件夹如图1.10所示。 图1.10 解压后的文件夹 (2)剪切这三个文件夹,将其粘贴至C:\Program Files\NVIDIA GPU Computing Toolkit\ CUDA\v10.0目录下,与之前的文件夹合并,如图1.11所示。如果合并失败,可以手动将文件一一拖进去。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航