简介:

利用先进的架构开发和优化深度学习模型。这本书教你复杂的细节和微妙的算法是卷积神经网络的核心。在高级应用深度学习中,你将学习CNN的高级主题和使用Keras和TensorFlow的对象检测。

在此过程中,将了解CNN中的基本操作,如卷积和池,然后了解更高级的体系结构,如先启网络、resnets等。在本书讨论理论主题的同时,您将通过许多技巧和技巧发现如何有效地使用Keras,包括如何使用自定义回调类自定义登录Keras、什么是即时执行以及如何在模型中使用它。最后,您将研究对象检测如何工作,并在Keras和TensorFlow中构建YOLO算法的完整实现。在这本书的最后,你将在Keras中实现各种各样的模型,并学习到许多将你的技能带到下一个层次的高级技巧。

这本书将会让我们学到:

  • 了解卷积神经网络和对象检测的工作原理
  • 将重量和模型保存在磁盘上
  • 暂停训练,稍后再重新开始
  • 在代码中使用硬件加速(gpu)
  • 使用数据集TensorFlow抽象并使用预训练模型和传输学习
  • 删除和添加层到预先训练的网络,以适应您的具体项目
  • 将预先训练好的模型(如Alexnet和VGG16)应用于新数据集

作者:

Umberto Michelucci,TOELT llc的创始人,该公司专注于人工智能科学研究。同样是数值模拟、统计学、数据科学和机器学习方面的专家。多年来,他不断拓展研究生课程和研究项目的专业知识。除了在乔治华盛顿大学(美国)和奥格斯堡大学(DE)有几年的研究经验,他还有15年的数据库、数据科学和机器学习的实践经验。他目前在Helsana Versicherung AG公司负责深度学习、新技术和研究。

成为VIP会员查看完整内容
0
63

相关内容

在深度学习中,卷积神经网络(CNN或ConvNet)是一类深度神经网络,最常用于分析视觉图像。基于它们的共享权重架构和平移不变性特征,它们也被称为位移不变或空间不变的人工神经网络(SIANN)。它们在图像和视频识别,推荐系统,图像分类,医学图像分析,自然语言处理,和财务时间序列中都有应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等

使用高级架构开发和优化深度学习模型。这本书教你错综复杂的细节和微妙的算法,是卷积神经网络的核心。在高级应用深度学习中,您将学习CNN的高级主题和使用Keras和TensorFlow的对象检测。

在此过程中,您将了解CNN中的基本操作,如卷积和池化,然后了解更高级的架构,如inception networks、resnets等等。当这本书讨论理论主题时,你会发现如何有效地与Keras工作,其中有许多技巧和提示,包括如何用自定义回调类自定义Keras登录,什么是迫切执行,以及如何在你的模型中使用它。最后,您将学习对象检测是如何工作的,并在Keras和TensorFlow中构建YOLO(只查看一次)算法的完整实现。在书的最后,你将实现各种各样的模型在Keras和学习许多高级技巧,将把你的技能到下一个水平。

你将学到什么

  • 看看卷积神经网络和目标检测是如何工作的
  • 在磁盘上的权值和模型
  • 暂停训练,在稍后的阶段重新开始
  • 在代码中使用硬件加速
  • 使用数据集TensorFlow抽象和使用预先训练的模型和迁移学习
  • 删除和添加层到预先训练的网络,使其适应您的特定项目
  • 将预先训练好的模型(如Alexnet和VGG16)应用到新的数据集

这本书是给谁的

  • 拥有中级到高级Python和机器学习技能的科学家和研究人员。此外,还需要Keras和TensorFlow的中级知识。
成为VIP会员查看完整内容
0
95

数据科学和人工智能是令人着迷的计算领域。微软在这些新技术上下了很大的赌注,但我们也知道,数据科学家都是训练有素的专业人士,并不是每个软件开发人员都能创建和维护复杂的数据模型,执行线性代数或购买昂贵的GPU设备来运行这些模型。这正是我们创造认知服务的原因。这套服务提供了预训练模型,您可以使用开箱即用的模型来执行视觉、语音、知识、搜索和语言方面的操作。在本次会议上,微软的云开发者倡导者Laurent Bugnion将向您展示如何使用认知服务增强应用程序的高级功能,如何使用自己的数据细化训练过的模型,以及如何将认知服务与其他Azure服务集成以实现任务自动化。

成为VIP会员查看完整内容
0
56

主题: Exploring Deep Learning for Search

摘要: 本书作者Tommaso Teofili着重介绍了他的著作《深度学习搜索》三章。 书中介绍了神经搜索如何通过自动执行以前手动完成的工作来节省用户时间并提高搜索效率以及如何通过循环神经网络(RNN)向搜索引擎添加文本生成功能来扩展搜索网络。 在最后一章中,深入研究了如何使用卷积神经网络(CNN)为图像编制索引,并使它们可按其内容进行搜索。 借助这份以激光为重点的指南,读者将掌握通过深度学习改善搜索的基础知识。

成为VIP会员查看完整内容
0
37

地址:

https://www.apress.com/gp/book/9781484251232

利用MATLAB的强大功能来应对深度学习的挑战。本书介绍了深度学习和使用MATLAB的深度学习工具箱。您将看到这些工具箱如何提供实现深度学习所有方面所需的完整功能集。

在此过程中,您将学习建模复杂的系统,包括股票市场、自然语言和仅确定角度的轨道。您将学习动力学和控制,并使用MATLAB集成深度学习算法和方法。您还将使用图像将深度学习应用于飞机导航。

最后,您将使用惯性测量单元对ballet pirouettes进行分类,并使用MATLAB的硬件功能进行实验。

你会学到什么

  • 使用MATLAB探索深度学习,并将其与算法进行比较
  • 在MATLAB中编写一个深度学习函数,并用实例进行训练
  • 使用与深度学习相关的MATLAB工具箱
  • 实现托卡马克中断预测

这本书是给谁看的:

工程师、数据科学家和学生想要一本关于使用MATLAB进行深度学习的例子丰富的书。

成为VIP会员查看完整内容
0
90

简介:

自从2012年以来,最近的技术史上最重大的事件也许就是神经网络爆炸了。标记数据集的增长,计算能力的提高以及算法的创新齐头并进。从那时起,深度神经网络使以前无法实现的任务得以实现,并提高了任务的准确性,使它们超出了学术研究范围,并进入了语音识别,图像标记,生成模型和推荐系统等领域的实际应用。在这种背景下,Google Brain的团队开始开发TensorFlow.js。该项目开始时,许多人认为“ JavaScript深度学习”是一种新颖事物,对于某些用例来说并不能当真。尽管Python已经有了一些完善的,功能强大的深度学习框架,但JavaScript机器学习的前景仍然是零散的和不完整的。在当时可用的少数JavaScript库中,大多数仅支持以其他语言(通常是Python)进行预训练的部署模型。

这本书不仅是作为如何在TensorFlow.js中编写代码的秘诀,而且还是以JavaScript和Web开发人员的母语为基础的机器学习基础入门课程。深度学习领域是一个快速发展的领域。我们相信,无需正式的数学处理就可以对机器学习有深入的了解,而这种了解将使您能够在技术的未来发展中保持最新。有了这本书,您就成为成为成长中的JavaScript机器学习从业人员社区的第一步,他们已经在JavaScript和深度学习之间的交汇处带来了许多有影响力的应用程序。我们衷心希望本书能激发您在这一领域的创造力和独创性。

目录:

内容简介:

本书分为四个部分。第一部分仅由第一章组成,向您介绍了人工智能,机器学习和深度学习的概况,以及在JavaScript中实践深度学习为何有意义。第二部分是对深度学习中最基础和最常遇到的概念的简要介绍。本书的第三部分系统地为希望建立对更前沿技术的理解的用户,提供了深度学习的高级主题,重点是ML系统的特定挑战领域以及与之配合使用的TensorFlow.js工具。

成为VIP会员查看完整内容
0
41

简介:

使用Python、OpenCV库构建计算机视觉的实际应用程序。这本书讨论了不同方面的计算机视觉,如图像和对象检测,跟踪和运动分析及其应用实例。作者首先介绍了计算机视觉,然后使用Python从头开始创建OpenCV。下一节讨论专门的图像处理和分割,以及计算机如何存储和处理图像。这涉及到使用OpenCV库进行模式识别和图像标记。接下来,将使用OpenCV处理对象检测、视频存储和解释,以及人类检测。跟踪和运动也进行了详细的讨论。该书还讨论了如何使用CNN和RNN创建复杂的深度学习模型。最后对计算机视觉的应用现状和发展趋势进行了总结。

阅读本书之后,您将能够理解并使用Python、OpenCV实现计算机视觉及其应用程序。您还将能够使用CNN和RNN创建深度学习模型,并了解这些前沿的深度学习架构是如何工作的。

您将学习

  • 了解什么是计算机视觉以及它在智能自动化系统中的整体应用。
  • 探索构建计算机视觉应用程序所需的深度学习技术。
  • 使用OpenCV、Python和NumPy中的最新技术构建复杂的计算机视觉应用程序。
  • 创建实际的应用程序,如:人脸检测和识别,手写识别,对象检测,跟踪和运动分析。

作者:

Sunila Gollapudi是Broadridge Financial Solutions India (Pvt)有限公司的执行副总裁。拥有超过17年的架构、设计和开发以客户为中心、企业级和数据驱动的解决方案的经验。在过去的十年中,她主要专注于银行和金融服务领域,是一名数据鉴赏家和架构师,擅长设计一个通过分析最大化数据价值的整体数据策略。她的专长包括通过综合业务和领域驱动因素以及大数据工程和分析领域的新兴技术趋势来构建整体智能自动化战略;领导针对CI/CD的云迁移和DevOps战略;指导应用程序现代化、重用和技术标准化计划。

成为VIP会员查看完整内容
0
75

简介:

在这本书中,从机器学习基础开始,然后继续学习神经网络,深度学习,然后是卷积神经网络。在基础和应用的混合,在MATLAB深度学习这本书中使用MATLAB作为基础编程语言和工具进行案例研究。

有了这本书,你将能够解决当今现实世界中的一些大数据、智能机器人和其它复杂的数据问题。您将看到,对于现代智能数据分析和使用来说,深度学习是机器学习中多么复杂和智能的一个方面。

你将学习

  • 使用MATLAB进行深度学习
  • 发现神经网络和多层神经网络
  • 处理卷积和池化层
  • 使用这些层构建一个MNIST示例

作者:

Phil Kim博士是一位经验丰富的MATLAB程序员。他还研究来自人工智能的大型数据集的算法以及机器学习。他曾在韩国航空航天研究所担任高级研究员。在那里,他的主要任务是开发无人驾驶飞行器的自主飞行算法和机载软件。在攻读博士期间,他开发了一个名为“Clickey”的屏幕键盘程序。

成为VIP会员查看完整内容
0
53

主题: Pytorch与Keras;Beginning Anomaly Detection Using Python-Based Deep Learning

摘要: 利用这本简单易懂的初学者指南,了解如何将深度学习应用于异常检测任务。本书使用Python中的Keras和PyTorch,重点介绍如何将各种深度学习模型应用于半监督和非监督异常检测任务。这本书首先解释了异常检测是什么,它的用途和重要性。在介绍了使用Python中的Scikit Learn进行异常检测的统计和传统机器学习方法之后,本书随后介绍了深度学习,详细介绍了如何在Keras和Pythorch中建立和训练深度学习模型,然后将重点转移到以下深度学习模型的应用到异常检测:各种类型的自动编码器、受限的Boltzmann机器、RNN和LSTM,以及时间卷积网络。这本书探索无监督和半监督异常检测以及基于时间序列的异常检测的基础知识。在这本书的最后,你将有一个全面的了解异常检测的基本任务,以及各种方法来接近异常检测,从传统的方法到深入学习。此外,还向您介绍了Scikit Learn,并能够在Keras和PyTorch中创建深度学习模型。

作者简介: Sridhar Alla是Bluewhale的联合创始人和首席技术官,该公司帮助大大小小的组织构建人工智能驱动的大数据解决方案和分析。他是一位出版书籍的作家,并热衷于在众多阶层、Hadoop世界、Spark Summit和其他会议上发表演讲。他还向美国专利局申请了几项大规模计算和分布式系统的专利。他在Spark、Flink、Hadoop、AWS、Azure、Tensorflow、Cassandra等多个技术领域拥有丰富的实践经验。

Suman KalyanAdari是佛罗里达大学计算机科学学士学位的本科生。他从大一开始就在网络安全领域进行深入的学习研究,并于2019年6月在美国俄勒冈州波特兰举行的关于可靠和安全机器学习的IEEE可靠系统和网络研讨会上发表演讲。

成为VIP会员查看完整内容
0
112

地址:

https://www.apress.com/gp/book/9781484228449

从MATLAB开始进行深度学习,掌握人工智能。在这本书中,你从机器学习基础开始,然后继续学习神经网络,深度学习,然后是卷积神经网络。在基础和应用的混合,MATLAB深度学习使用MATLAB作为基础编程语言和工具的例子和案例研究,在这本书。

有了这本书,你将能够解决当今现实世界中的一些大数据、智能机器人和其他复杂的数据问题。您将看到,对于现代智能数据分析和使用来说,深度学习是机器学习中多么复杂和智能的一个方面。

你将学习:

  • 使用MATLAB进行深度学习
  • 发现神经网络和多层神经网络
  • 处理卷积和池化层
  • 使用这些层构建一个MNIST示例

这本书是给谁看的

想用MATLAB学习深度学习的同学。一些MATLAB的经验可能会有用。

Phil Kim博士是一位经验丰富的MATLAB程序员和用户。他还研究从人工智能和机器学习中提取的大型数据集的算法。他曾在韩国航空航天研究院担任高级研究员。在那里,他的主要任务是为无人机开发自主飞行算法和机载软件。一个名为“Clickey”的屏幕键盘程序是他在攻读博士学位期间开发的,它充当了一个桥梁,将作者带到了他目前的工作岗位——韩国国立康复研究所(National Rehabilitation Research Institute of Korea)高级研究员。

目录:

  • Chapter 1: Machine Learning 1
  • Chapter 2: Neural Network 19
  • Chapter 3: Training of Multi-Layer Neural Network 53
  • Chapter 4: Neural Network and Classification 81
  • Chapter 5: Deep Learning 103
  • Chapter 6: Convolutional Neural Network 121
成为VIP会员查看完整内容
0
53
小贴士
相关VIP内容
专知会员服务
95+阅读 · 2020年6月20日
专知会员服务
37+阅读 · 2020年5月9日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
155+阅读 · 2020年1月13日
专知会员服务
53+阅读 · 2020年1月13日
相关论文
Object detection on aerial imagery using CenterNet
Dheeraj Reddy Pailla,Varghese Kollerathu,Sai Saketh Chennamsetty
6+阅读 · 2019年8月22日
Golnaz Ghiasi,Tsung-Yi Lin,Ruoming Pang,Quoc V. Le
7+阅读 · 2019年4月16日
Detection and Segmentation of Manufacturing Defects with Convolutional Neural Networks and Transfer Learning
Max Ferguson,Ronay Ak,Yung-Tsun Tina Lee,Kincho H. Law
3+阅读 · 2018年8月7日
Video Object Detection with an Aligned Spatial-Temporal Memory
Fanyi Xiao,Yong Jae Lee
3+阅读 · 2018年7月27日
Han Hu,Jiayuan Gu,Zheng Zhang,Jifeng Dai,Yichen Wei
3+阅读 · 2018年6月14日
Hongyu Xu,Xutao Lv,Xiaoyu Wang,Zhou Ren,Navaneeth Bodla,Rama Chellappa
3+阅读 · 2018年3月27日
Alexander Wong,Mohammad Javad Shafiee,Francis Li,Brendan Chwyl
7+阅读 · 2018年2月19日
Parth Shah,Vishvajit Bakarola,Supriya Pati
20+阅读 · 2018年1月17日
Fanyi Xiao,Yong Jae Lee
4+阅读 · 2017年12月18日
Top