注冊(cè) | 登錄讀書好，好讀書，讀好書！

當(dāng)前位置：首頁(yè)出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能深度學(xué)習(xí)在動(dòng)態(tài)媒體中的應(yīng)用與實(shí)踐

深度學(xué)習(xí)在動(dòng)態(tài)媒體中的應(yīng)用與實(shí)踐

定　價(jià)：￥59.00

作　者：	唐宏，陳麒，莊一嶸著
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787115480101	出版時(shí)間：	2018-03-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	140	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書是一本深度學(xué)習(xí)的基礎(chǔ)入門讀物，對(duì)深度學(xué)習(xí)的基本理論進(jìn)行了介紹，主要以Ubuntu系統(tǒng)為例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分別在3個(gè)框架下，通過(guò)3個(gè)實(shí)戰(zhàn)項(xiàng)目掌握了框架的使用方法，并詳細(xì)描述了生產(chǎn)流程，最后講述了通過(guò)集群部署深度學(xué)習(xí)的項(xiàng)目以及如何進(jìn)行運(yùn)營(yíng)維護(hù)的注意事項(xiàng)。本書適合對(duì)深度學(xué)習(xí)有濃厚興趣的讀者、希望用深度學(xué)習(xí)完成設(shè)計(jì)的計(jì)算機(jī)專業(yè)或電子信息專業(yè)的高校畢業(yè)生以及想從實(shí)戰(zhàn)項(xiàng)目入手的深度學(xué)習(xí)研發(fā)工程師或算法工程師。

作者簡(jiǎn)介

　　唐宏，男，中國(guó)電信股份有限公司廣州研究院數(shù)據(jù)通信研究所所長(zhǎng)、工程師，中國(guó)電子學(xué)會(huì)云計(jì)算專家委員會(huì)委員，中國(guó)電信股份有限公司科技委員會(huì)數(shù)據(jù)組副組長(zhǎng)，中國(guó)通信學(xué)會(huì)CCSA TC1 WG4副組長(zhǎng)，中國(guó)SDN產(chǎn)業(yè)聯(lián)盟需求場(chǎng)景與網(wǎng)絡(luò)架構(gòu)組組長(zhǎng)，主要從事IP承載網(wǎng)、下一代互聯(lián)網(wǎng)、網(wǎng)絡(luò)新技術(shù)方面的研發(fā)與管理工作。陳麒，浙江工業(yè)大學(xué)信息工程學(xué)院信息與通信工程工學(xué)碩士，現(xiàn)任職于中國(guó)電信股份有限公司廣州研究院，主要從事人工智能與CDN的研發(fā)工作。莊一嶸，中山大學(xué)通信與信息系統(tǒng)專業(yè)碩士，現(xiàn)任職于中國(guó)電信股份有限公司廣州研究院，主要從事CDN、IPTV、人工智能應(yīng)用等研發(fā)工作。

圖書目錄

第 1章深度學(xué)習(xí)簡(jiǎn)介 1
1．1 深度學(xué)習(xí)的發(fā)展 1
1．2 深度學(xué)習(xí)的應(yīng)用及研究方向 3
1．3 深度學(xué)習(xí)工具介紹和對(duì)比 4
1．3．1 Caffe 4
1．3．2 TensorFlow 5
1．3．3 Torch 6
1．4 小結(jié) 7
第 2章深度學(xué)習(xí)基本理論 9
2．1 深度學(xué)習(xí)的基本概念 9
2．2 深度學(xué)習(xí)的訓(xùn)練過(guò)程 13
2．3 深度學(xué)習(xí)的常用模型和方法 14
2．4 小結(jié) 20
第3章深度學(xué)習(xí)環(huán)境搭建 23
3．1 Caffe安裝 23
3．1．1 安裝Caffe的相關(guān)依賴項(xiàng) 24
3．1．2 安裝NVIDIA驅(qū)動(dòng) 24
3．1．3 安裝CUDA 27
3．1．4 配置cuDNN 30
3．1．5 源代碼編譯安裝OpenCV 32
3．1．6 編譯Caffe，并配置Python接口 34
3．2 Caffe框架下的MNIST數(shù)字識(shí)別問(wèn)題 41
3．3 TensorFlow安裝 42
3．3．1 基于pip安裝 42
3．3．2 基于Anaconda安裝 46
3．3．3 基于源代碼安裝 51
3．3．4 常見安裝問(wèn)題 56
3．4 TensorFlow框架下的CIFAR圖像識(shí)別問(wèn)題 59
3．5 Torch安裝 61
3．5．1 無(wú)CUDA的Torch 7安裝 61
3．5．2 CUDA的Torch 7安裝 61
3．6 Torch框架下neural-style圖像合成問(wèn)題 62
3．7 小結(jié) 74
第4章人臉識(shí)別 75
4．1 人臉識(shí)別概述 75
4．2 人臉識(shí)別系統(tǒng)設(shè)計(jì) 76
4．2．1 需求分析 76
4．2．2 功能設(shè)計(jì) 77
4．2．3 模塊設(shè)計(jì) 78
4．3 系統(tǒng)生產(chǎn)環(huán)境部署及驗(yàn)證 81
4．3．1 抽幀環(huán)境部署 81
4．3．2 抽幀功能驗(yàn)證 82
4．3．3 OpenFace環(huán)境部署 82
4．3．4 OpenFace環(huán)境驗(yàn)證 84
4．4 批量生產(chǎn) 90
4．5 小結(jié) 102
第5章車輛識(shí)別 103
5．1 概述 103
5．2 系統(tǒng)設(shè)計(jì) 104
5．2．1 需求分析 104
5．2．2 功能設(shè)計(jì) 104
5．2．3 模塊設(shè)計(jì) 105
5．3 系統(tǒng)生產(chǎn)環(huán)境部署及驗(yàn)證 106
5．3．1 生產(chǎn)環(huán)境部署 106
5．3．2 項(xiàng)目部署 107
5．3．3 環(huán)境驗(yàn)證 108
5．4 批量生產(chǎn) 109
5．5 小結(jié) 117
第6章不良視頻識(shí)別 119
6．1 概述 119
6．2 不良圖片模型簡(jiǎn)介 120
6．3 系統(tǒng)設(shè)計(jì) 122
6．4 系統(tǒng)部署及系統(tǒng)測(cè)試驗(yàn)證 123
6．5 批量生產(chǎn) 125
6．5．1 批量節(jié)目元數(shù)據(jù)信息檢索與篩選 125
6．5．2 基于FFmpeg的SDK抽取視頻I幀 126
6．5．3 基于膚色比例檢測(cè)的快速篩查 128
6．5．4 基于Caffe框架的不良圖片檢測(cè) 128
6．6 小結(jié) 129
第7章集群部署與運(yùn)營(yíng)維護(hù) 131
7．1 認(rèn)識(shí)Docker 131
7．2 基于Docker的TensorFlow實(shí)驗(yàn)環(huán)境 134
7．3 運(yùn)營(yíng)維護(hù) 137
7．4 小結(jié) 138
參考文獻(xiàn) 139