MXNet深度學習實戰(zhàn)：計算機視覺算法實現(xiàn)

前言
第1章　全面認識MXNet1
1.1　人工智能、機器學習與深度學習2
1.1.1　人工智能2
1.1.2　機器學習2
1.1.3　深度學習4
1.2　深度學習框架4
1.2.1　MXNet6
1.2.2　PyTorch6
1.2.3　Caffe/Caffe27
1.2.4　TensorFlow7
1.2.5　其他7
1.3　關于MXNet8
1.3.1　MXNet的發(fā)展歷程8
1.3.2　MXNet的優(yōu)勢9
1.4　MXNet開發(fā)需要具備的知識10
1.4.1　接口語言11
1.4.2　NumPy11
1.4.3　神經(jīng)網(wǎng)絡11
1.5　本章小結(jié)12
第2章　搭建開發(fā)環(huán)境13
2.1　環(huán)境配置14
2.2　使用Docker安裝MXNet19
2.2.1　準備部分19
2.2.2　使用倉庫安裝Docker20
2.2.3　基于安裝包安裝Docker23
2.2.4　安裝nvidia-docker23
2.2.5　通過Docker使用MXNet25
2.3　本地pip安裝MXNet27
2.4　本章小結(jié)29
第3章　MXNet基礎31
3.1　NDArray31
3.2　Symbol37
3.3　Module43
3.4　本章小結(jié)48
第4章　MNIST手寫數(shù)字體分類50
4.1　訓練代碼初探52
4.2　訓練代碼詳細解讀55
4.2.1　訓練參數(shù)配置56
4.2.2　數(shù)據(jù)讀取59
4.2.3　網(wǎng)絡結(jié)構(gòu)搭建59
4.2.4　模型訓練61
4.3　測試代碼初探62
4.4　測試代碼詳細解讀64
4.4.1　模型導入64
4.4.2　數(shù)據(jù)讀取66
4.4.3　預測輸出67
4.5　本章小結(jié)68
第5章　數(shù)據(jù)讀取及增強69
5.1　直接讀取原圖像數(shù)據(jù)70
5.1.1　優(yōu)點及缺點70
5.1.2　使用方法71
5.2　基于RecordIO文件讀取數(shù)據(jù)75
5.2.1　什么是RecordIO文件75
5.2.2　優(yōu)點及缺點76
5.2.3　使用方法76
5.3　數(shù)據(jù)增強78
5.3.1　resize79
5.3.2　crop83
5.3.3　鏡像89
5.3.4　亮度90
5.3.5　對比度92
5.3.6　飽和度 94
5.4　本章小結(jié)95
第6章　網(wǎng)絡結(jié)構(gòu)搭建97
6.1　網(wǎng)絡層98
6.1.1　卷積層98
6.1.2　BN層106
6.1.3　激活層108
6.1.4　池化層111
6.1.5　全連接層114
6.1.6　損失函數(shù)層116
6.1.7　通道合并層119
6.1.8　逐點相加層121
6.2　圖像分類網(wǎng)絡結(jié)構(gòu)122
6.2.1　AlexNet123
6.2.2　VGG124
6.2.3　GoogleNet125
6.2.4　ResNet128
6.2.5　ResNeXt130
6.2.6　DenseNet131
6.2.7　SENet132
6.2.8　MobileNet134
6.2.9　ShuffleNet136
6.3　本章小結(jié)138
第7章　模型訓練配置140
7.1　問題定義141
7.2　參數(shù)及訓練配置142
7.2.1　參數(shù)初始化142
7.2.2　優(yōu)化函數(shù)設置144
7.2.3　保存模型145
7.2.4　訓練日志的保存146
7.2.5　選擇或定義評價指標147
7.2.6　多GPU訓練150
7.3　遷移學習151
7.4　斷點訓練153
7.5　本章小結(jié)154
第8章　圖像分類156
8.1　圖像分類基礎知識157
8.1.1　評價指標158
8.1.2　損失函數(shù)160
8.2　貓狗分類實戰(zhàn)160
8.2.1　數(shù)據(jù)準備161
8.2.2　訓練參數(shù)及配置165
8.2.3　數(shù)據(jù)讀取168
8.2.4　網(wǎng)絡結(jié)構(gòu)搭建170
8.2.5　訓練模型171
8.2.6　測試模型176
8.3　本章小結(jié)179
第9章　目標檢測180
9.1　目標檢測基礎知識182
9.1.1　數(shù)據(jù)集184
9.1.2　SSD算法簡介188
9.1.3　anchor189
9.1.4　IoU194
9.1.5　模型訓練目標195
9.1.6　NMS199
9.1.7　評價指標mAP201
9.2　通用目標檢測202
9.2.1　數(shù)據(jù)準備203
9.2.2　訓練參數(shù)及配置205
9.2.3　網(wǎng)絡結(jié)構(gòu)搭建208
9.2.4　數(shù)據(jù)讀取215
9.2.5　定義訓練評價指標218
9.2.6　訓練模型220
9.2.7　測試模型221
9.4　本章小結(jié)224
第10章　圖像分割225
10.1　圖像分割226
10.1.1　數(shù)據(jù)集227
10.1.2　評價指標229
10.1.3　語義分割算法230
10.2　語義分割實戰(zhàn)231
10.2.1　數(shù)據(jù)準備232
10.2.2　訓練參數(shù)及配置233
10.2.3　數(shù)據(jù)讀取237
10.2.4　網(wǎng)絡結(jié)構(gòu)搭建240
10.2.5　定義評價指標245
10.2.6　訓練模型249
10.2.7　測試模型效果251
10.3　本章小結(jié)253