AI源碼解讀：卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)案例（CNN Python版）

定　價(jià)：￥99.00

作　者：	李永華著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	人工智能科學(xué)與技術(shù)叢書(shū)
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302570660	出版時(shí)間：	2021-10-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	384	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)以人工智能發(fā)展為時(shí)代背景，通過(guò)20個(gè)機(jī)器學(xué)習(xí)模型和算法案例，為讀者提供較為詳細(xì)的實(shí)戰(zhàn)方案，以便進(jìn)行深度學(xué)習(xí)。在編排方式上，全書(shū)側(cè)重對(duì)創(chuàng)新項(xiàng)目的過(guò)程進(jìn)行介紹，分別從整體設(shè)計(jì)、系統(tǒng)流程和實(shí)現(xiàn)模塊等角度論述數(shù)據(jù)處理、模型訓(xùn)練和模型應(yīng)用等過(guò)程，并剖析模塊的功能、使用及程序代碼。為便于讀者高效學(xué)習(xí)，快速掌握人工智能程序開(kāi)發(fā)方法，本書(shū)配套提供項(xiàng)目設(shè)計(jì)工程文檔、程序代碼、實(shí)現(xiàn)過(guò)程中出現(xiàn)的問(wèn)題及解決方法等資料，可供讀者舉一反三，二次開(kāi)發(fā)。本書(shū)語(yǔ)言簡(jiǎn)潔，深入淺出，通俗易懂，不僅適合對(duì)Python編程有興趣的愛(ài)好者，而且可作為高等院校相關(guān)專(zhuān)業(yè)的參考教材，還可作為從事智能應(yīng)用創(chuàng)新開(kāi)發(fā)專(zhuān)業(yè)人員的技術(shù)參考書(shū)。

作者簡(jiǎn)介

　　李永華：北京郵電大學(xué)，教授，擁有超過(guò)10年的軟硬件開(kāi)發(fā)經(jīng)驗(yàn)，長(zhǎng)期致力于物聯(lián)網(wǎng)、云計(jì)算與人工智能的研究工作。在教學(xué)中以興趣為導(dǎo)向，激發(fā)學(xué)生的創(chuàng)造性；以素質(zhì)為基礎(chǔ)，提高自身教學(xué)水平；以科研為手段，促進(jìn)教學(xué)理念的轉(zhuǎn)變，在教學(xué)與科研實(shí)踐中指導(dǎo)學(xué)生實(shí)現(xiàn)300余個(gè)創(chuàng)新案例。主持30余項(xiàng)國(guó)j級(jí)與企事業(yè)單位課題的研究工作，在國(guó)內(nèi)外學(xué)術(shù)期刊及會(huì)議發(fā)表論文100余篇，申請(qǐng)專(zhuān)利50余項(xiàng)，出版圖書(shū)20余部。

圖書(shū)目錄

項(xiàng)目1電影推薦小程序
1.1總體設(shè)計(jì)
1.1.1系統(tǒng)整體結(jié)構(gòu)
1.1.2系統(tǒng)流程
1.2運(yùn)行環(huán)境
1.2.1Python環(huán)境
1.2.2TensorFlow環(huán)境
1.3模塊實(shí)現(xiàn)
1.3.1數(shù)據(jù)預(yù)處理
1.3.2模型設(shè)計(jì)
1.3.3模型訓(xùn)練及測(cè)試
1.3.4特征矩陣提取
1.3.5推薦電影
1.3.6客戶端
1.4系統(tǒng)測(cè)試
1.4.1訓(xùn)練準(zhǔn)確率
1.4.2運(yùn)行結(jié)果
項(xiàng)目2服裝分類(lèi)助手
2.1總體設(shè)計(jì)
2.1.1系統(tǒng)整體結(jié)構(gòu)
2.1.2系統(tǒng)流程
2.2運(yùn)行環(huán)境
2.2.1Python環(huán)境
2.2.2PyTorch環(huán)境
2.2.3Django環(huán)境
2.3模塊實(shí)現(xiàn)
2.3.1數(shù)據(jù)預(yù)處理
2.3.2模型創(chuàng)建與編譯
2.3.3模型訓(xùn)練及保存
2.3.4模型生成
2.4系統(tǒng)測(cè)試
2.4.1訓(xùn)練準(zhǔn)確率
2.4.2測(cè)試效果
2.4.3模型應(yīng)用
項(xiàng)目3檢索式模型聊天機(jī)器人
3.1總體設(shè)計(jì)
3.1.1系統(tǒng)整體結(jié)構(gòu)
3.1.2系統(tǒng)流程
3.2運(yùn)行環(huán)境
3.2.1Python環(huán)境
3.2.2TensorFlow環(huán)境
3.3模塊實(shí)現(xiàn)
3.3.1數(shù)據(jù)預(yù)處理
3.3.2模型創(chuàng)建與編譯
3.3.3模型訓(xùn)練及保存
3.3.4模型生成
3.4系統(tǒng)測(cè)試
3.4.1訓(xùn)練準(zhǔn)確率
3.4.2測(cè)試效果
3.4.3模型應(yīng)用
項(xiàng)目4方言種類(lèi)識(shí)別
4.1總體設(shè)計(jì)
4.1.1系統(tǒng)整體結(jié)構(gòu)
4.1.2系統(tǒng)流程
4.2運(yùn)行環(huán)境
4.2.1Python環(huán)境
4.2.2TensorFlow環(huán)境
4.2.3Jupyter Notebook環(huán)境
4.2.4PyCharm環(huán)境
4.3模塊實(shí)現(xiàn)
4.3.1數(shù)據(jù)預(yù)處理
4.3.2模型構(gòu)建
4.3.3模型訓(xùn)練及保存
4.3.4模型生成
4.4系統(tǒng)測(cè)試
4.4.1訓(xùn)練準(zhǔn)確率
4.4.2測(cè)試效果
項(xiàng)目5行人檢測(cè)與追蹤計(jì)數(shù)
5.1總體設(shè)計(jì)
5.1.1系統(tǒng)整體結(jié)構(gòu)
5.1.2系統(tǒng)流程
5.2運(yùn)行環(huán)境
5.2.1Python環(huán)境
5.2.2TensorFlow環(huán)境
5.2.3安裝所需的軟件包
5.2.4硬件環(huán)境
5.3模塊實(shí)現(xiàn)
5.3.1準(zhǔn)備數(shù)據(jù)
5.3.2數(shù)據(jù)預(yù)處理
5.3.3目標(biāo)檢測(cè)
5.3.4目標(biāo)追蹤
5.3.5主函數(shù)
5.4系統(tǒng)測(cè)試
項(xiàng)目6智能果實(shí)采摘指導(dǎo)系統(tǒng)
6.1總體設(shè)計(jì)
6.1.1系統(tǒng)整體結(jié)構(gòu)
6.1.2系統(tǒng)流程
6.2運(yùn)行環(huán)境
6.2.1Python環(huán)境
6.2.2TensorFlow環(huán)境
6.2.3Jupyter Notebook環(huán)境
6.2.4PyCharm環(huán)境
6.2.5微信開(kāi)發(fā)者工具
6.2.6OneNET云平臺(tái)
6.3模塊實(shí)現(xiàn)
6.3.1數(shù)據(jù)預(yù)處理
6.3.2創(chuàng)建模型與編譯
6.3.3模型訓(xùn)練及保存
6.3.4上傳結(jié)果
6.3.5小程序開(kāi)發(fā)
6.4系統(tǒng)測(cè)試
6.4.1訓(xùn)練準(zhǔn)確率
6.4.2測(cè)試效果
6.4.3外部訪問(wèn)效果
項(xiàng)目7基于CNN的貓種類(lèi)識(shí)別
7.1總體設(shè)計(jì)
7.1.1系統(tǒng)整體結(jié)構(gòu)
7.1.2系統(tǒng)流程
7.2運(yùn)行環(huán)境
7.2.1計(jì)算型云服務(wù)器
7.2.2Python環(huán)境
7.2.3TensorFlow環(huán)境
7.2.4MySQL環(huán)境
7.2.5Django環(huán)境
7.3模塊實(shí)現(xiàn)
7.3.1數(shù)據(jù)預(yù)處理
7.3.2數(shù)據(jù)增強(qiáng)
7.3.3普通CNN模型
7.3.4殘差網(wǎng)絡(luò)模型
7.3.5模型生成
7.4系統(tǒng)測(cè)試
7.4.1訓(xùn)練準(zhǔn)確率
7.4.2測(cè)試效果
7.4.3模型應(yīng)用
項(xiàng)目8基于VGG16的駕駛行為分析
8.1總體設(shè)計(jì)
8.1.1系統(tǒng)整體結(jié)構(gòu)
8.1.2系統(tǒng)流程
8.2運(yùn)行環(huán)境
8.2.1Python環(huán)境
8.2.2TensorFlow環(huán)境
8.2.3Android環(huán)境
8.3模塊實(shí)現(xiàn)
8.3.1數(shù)據(jù)預(yù)處理
8.3.2模型構(gòu)建
8.3.3模型訓(xùn)練及保存
8.3.4模型生成
8.4系統(tǒng)測(cè)試
8.4.1訓(xùn)練準(zhǔn)確率
8.4.2測(cè)試效果
8.4.3模型應(yīng)用
項(xiàng)目9基于Mask RCNN的娛樂(lè)視頻生成器
9.1總體設(shè)計(jì)
9.1.1系統(tǒng)整體結(jié)構(gòu)
9.1.2系統(tǒng)流程
9.2運(yùn)行環(huán)境
9.2.1Python環(huán)境
9.2.2PyTorch環(huán)境
9.2.3Detectron2平臺(tái)
9.2.4MoviePy的安裝
9.2.5PyQt的安裝
9.3模塊實(shí)現(xiàn)
9.3.1數(shù)據(jù)處理
9.3.2視頻處理
9.3.3PyQt界面
9.4系統(tǒng)測(cè)試
9.4.1訓(xùn)練準(zhǔn)確率
9.4.2運(yùn)行效率
9.4.3應(yīng)用使用說(shuō)明
項(xiàng)目10基于CycleGAN的圖像轉(zhuǎn)換
10.1總體設(shè)計(jì)
10.1.1系統(tǒng)整體結(jié)構(gòu)
10.1.2系統(tǒng)流程
10.2運(yùn)行環(huán)境
10.2.1Python環(huán)境
10.2.2TensorFlow GPU環(huán)境
10.2.3Android環(huán)境
10.3模塊實(shí)現(xiàn)
10.3.1數(shù)據(jù)集預(yù)處理
10.3.2模型構(gòu)建
10.3.3模塊分析
10.3.4模型訓(xùn)練及保存
10.3.5模型生成
10.4系統(tǒng)測(cè)試
項(xiàng)目11交通警察——車(chē)輛監(jiān)控系統(tǒng)
11.1總體設(shè)計(jì)
11.1.1系統(tǒng)整體結(jié)構(gòu)
11.1.2系統(tǒng)流程
11.2運(yùn)行環(huán)境
11.2.1Python環(huán)境
11.2.2TensorFlow環(huán)境
11.2.3PyCharm IDE配置
11.2.4Protoc配置
11.3模塊實(shí)現(xiàn)
11.3.1API下載及載入
11.3.2識(shí)別訓(xùn)練
11.3.3導(dǎo)入模型與編譯
11.3.4模型生成
11.4系統(tǒng)測(cè)試
項(xiàng)目12驗(yàn)證碼的生成與識(shí)別
12.1總體設(shè)計(jì)
12.1.1系統(tǒng)整體結(jié)構(gòu)
12.1.2系統(tǒng)流程
12.2運(yùn)行環(huán)境
12.2.1Python環(huán)境
12.2.2TensorFlow環(huán)境
12.2.3VsCode環(huán)境
12.3模塊實(shí)現(xiàn)
12.3.1數(shù)據(jù)預(yù)處理
12.3.2模型搭建
12.3.3模型訓(xùn)練及保存
12.3.4模型測(cè)試
12.4系統(tǒng)測(cè)試
12.4.1訓(xùn)練準(zhǔn)確率
12.4.2測(cè)試效果
項(xiàng)目13基于CNN的交通標(biāo)志識(shí)別
13.1總體設(shè)計(jì)
13.1.1系統(tǒng)整體結(jié)構(gòu)
13.1.2系統(tǒng)流程
13.2運(yùn)行環(huán)境
13.3模塊實(shí)現(xiàn)
13.3.1數(shù)據(jù)預(yù)處理
13.3.2模型構(gòu)建
13.3.3模型訓(xùn)練及保存
13.4系統(tǒng)測(cè)試
13.4.1訓(xùn)練準(zhǔn)確率
13.4.2測(cè)試效果
項(xiàng)目14圖像風(fēng)格轉(zhuǎn)移
14.1總體設(shè)計(jì)
14.1.1系統(tǒng)整體結(jié)構(gòu)
14.1.2系統(tǒng)流程
14.2運(yùn)行環(huán)境
14.2.1Python環(huán)境
14.2.2TensorFlow環(huán)境
14.2.3庫(kù)安裝
14.2.4VGG19網(wǎng)絡(luò)下載
14.3模塊實(shí)現(xiàn)
14.3.1實(shí)時(shí)風(fēng)格轉(zhuǎn)移
14.3.2非實(shí)時(shí)風(fēng)格轉(zhuǎn)移
14.3.3交互界面設(shè)計(jì)
14.4系統(tǒng)測(cè)試
14.4.1非實(shí)時(shí)風(fēng)格轉(zhuǎn)移測(cè)試
14.4.2實(shí)時(shí)風(fēng)格轉(zhuǎn)移測(cè)試
項(xiàng)目15口罩識(shí)別系統(tǒng)
15.1總體設(shè)計(jì)
15.1.1系統(tǒng)整體結(jié)構(gòu)
15.1.2系統(tǒng)流程
15.2運(yùn)行環(huán)境
15.3模塊實(shí)現(xiàn)
15.3.1數(shù)據(jù)預(yù)處理
15.3.2模型訓(xùn)練及保存
15.3.3頁(yè)面顯示和視頻流輸入
15.3.4模型生成
15.4系統(tǒng)測(cè)試
15.4.1訓(xùn)練準(zhǔn)確率
15.4.2測(cè)試效果
項(xiàng)目16垃圾分類(lèi)微信小程序
16.1總體設(shè)計(jì)
16.1.1系統(tǒng)整體結(jié)構(gòu)
16.1.2系統(tǒng)流程
16.2運(yùn)行環(huán)境
16.2.1Python環(huán)境
16.2.2TensorFlow環(huán)境
16.2.3微信小程序及后臺(tái)服務(wù)器環(huán)境
16.3模塊實(shí)現(xiàn)
16.3.1數(shù)據(jù)預(yù)處理
16.3.2創(chuàng)建模型與編譯
16.3.3模型訓(xùn)練及保存
16.3.4模型生成
16.4系統(tǒng)測(cè)試
16.4.1訓(xùn)練準(zhǔn)確率
16.4.2測(cè)試效果
16.4.3模型應(yīng)用
項(xiàng)目17基于OpenCV的人臉識(shí)別程序
17.1總體設(shè)計(jì)
17.1.1系統(tǒng)整體結(jié)構(gòu)
17.1.2系統(tǒng)流程
17.2運(yùn)行環(huán)境
17.2.1Python環(huán)境
17.2.2TensorFlow環(huán)境
17.3模塊實(shí)現(xiàn)
17.3.1數(shù)據(jù)預(yù)處理
17.3.2模型構(gòu)建
17.3.3模型訓(xùn)練
17.4系統(tǒng)測(cè)試
項(xiàng)目18基于CGAN的線稿自動(dòng)上色
18.1總體設(shè)計(jì)
18.1.1系統(tǒng)整體結(jié)構(gòu)
18.1.2系統(tǒng)流程
18.2運(yùn)行環(huán)境
18.2.1Python環(huán)境
18.2.2TensorFlow環(huán)境
18.3模塊實(shí)現(xiàn)
18.3.1數(shù)據(jù)預(yù)處理
18.3.2模型構(gòu)建
18.3.3模型訓(xùn)練及保存
18.3.4模型應(yīng)用
18.4系統(tǒng)測(cè)試
18.4.1訓(xùn)練效果
18.4.2測(cè)試效果
18.4.3模型使用說(shuō)明
項(xiàng)目19基于ACGAN的動(dòng)漫頭像生成
19.1總體設(shè)計(jì)
19.1.1系統(tǒng)整體結(jié)構(gòu)
19.1.2系統(tǒng)流程
19.2運(yùn)行環(huán)境
19.2.1Python環(huán)境
19.2.2TensorFlow環(huán)境
19.2.3OpenCV環(huán)境
19.2.4Illustration2Vec
19.3模塊實(shí)現(xiàn)
19.3.1數(shù)據(jù)獲取
19.3.2數(shù)據(jù)處理
19.3.3模型構(gòu)建
19.3.4模型訓(xùn)練及保存
19.4系統(tǒng)測(cè)試
19.4.1模型導(dǎo)入及調(diào)用
19.4.2生成指定標(biāo)簽
項(xiàng)目20手勢(shì)語(yǔ)言識(shí)別
20.1總體設(shè)計(jì)
20.1.1系統(tǒng)整體結(jié)構(gòu)
20.1.2系統(tǒng)流程
20.2運(yùn)行環(huán)境
20.2.1Python環(huán)境
20.2.2TensorFlow環(huán)境
20.2.3OpenCVPython環(huán)境
20.3模塊實(shí)現(xiàn)
20.3.1設(shè)置直方圖
20.3.2載入手勢(shì)圖片
20.3.3模型訓(xùn)練及保存
20.4系統(tǒng)測(cè)試
20.4.1測(cè)試準(zhǔn)確率
20.4.2測(cè)試效果