• 今日66折
  • 天天BUY

AI視覺大全:用最好用的PyTorch實作

  • 定價:540
  • 優惠價:79427
  • 優惠期限:2019年01月03日止
運送方式:
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖、全球
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
    香港、澳門、新加坡、馬來西亞
載入中...
 

內容簡介

  ●用PyTorch實作電腦視覺
  ●零基礎掌握深度學習、Python、PyTorch、神經網路、移轉學習及相關數學知識

  電腦視覺、自然語言處理和語音辨識是目前深度學習領域熱門的三大應用方向,本書希望幫助零基礎或基礎較為薄弱的讀者入門深度學習,獨立使用深度學習知識處理電腦視覺問題。

  讀者透過本書將學到人工智慧的基礎概念及Python程式設計技能,掌握PyTorch的使用方法,學到深度學習相關的理論知識,如旋積神經網路、循環神經網路、自動編碼器等。

  在掌握深度學習理論和程式設計技能之後,讀者還會學到如何基於PyTorch深度學習框架實戰電腦視覺。
  書中大量實例可讓讀者在循序漸進學習的同時,不斷地獲得成就感。

  適用:對深度學習技術感興趣、或相關基礎知識較為薄弱或零基礎的讀者。
 
 

作者介紹

作者簡介

唐進民


  深入理解深度學習與電腦視覺知識體系,有紮實的PyTorch、Python和數學功底。長期活躍於Github、知乎等平台並分享與深度學習相關的文章,還在AI網路教育平台兼職Mentor,輔導新學員入門機器學習和深度學習。
 

目錄

前言

01 | 淺談人工智慧、神經網路和電腦視覺
1.1 人工還是智慧
1.2 人工智慧的三起兩落
1.3 神經網路簡史
1.4 電腦視覺
1.5 深度學習+

02 | 相關的數學知識
2.1 矩陣運算入門
2.2 導數求解

03 | 深度神經網路基礎
3.1 監督學習和無監督學習
3.2 欠擬合和過擬合
3.3 反向傳播
3.4 損失和最佳化
3.5 啟動函數
3.6 本機深度學習工作站

04 | 旋積神經網路
4.1 旋積神經網路基礎
4.2 LeNet 模型
4.3 AlexNet 模型
4.4 VGGNet 模型
4.5 GoogleNet
4.6 ResNet
 
05 | Python
5.1 Python 簡介
5.2 Jupyter Notebook
5.3 Python 入門
5.4 Python 中的NumPy
5.5 Python 中的Matplotlib

06 | PyTorch 基礎
6.1 PyTorch 中的Tensor
6.2 自動梯度
6.3 模型架設和參數最佳化
6.4 實戰手寫數字識別 

07 | 遷移學習
7.1 遷移學習入門
7.2 資料集處理  
7.3 模型架設和參數最佳化
7.4 小結

08 | 影像風格遷移實戰
8.1 風格遷移入門
8.2 PyTorch 影像風格遷移實戰
8.3 小結

09 | 多模型融合
9.1 多模型融合入門
9.2 PyTorch 之多模型融合實戰
9.3 小結

10 | 循環神經網路
10.1 循環神經網路入門
10.2 PyTorch 之循環神經網路實戰
10.3 小結

11 | 自動編碼器
11.1 自動編碼器入門
11.2 PyTorch 之自動編碼實戰
11.3 小結
 

前言

  「人工智慧」(Artificial Intelligence,簡稱AI)一詞在很久以前就有了,被大眾津津樂道卻是近幾年的事,這和機器學習(Machine Learning)、深度學習(Deep Learning)等技術的崛起具有千絲萬縷的聯繫,而這一切又得益於大數據的發展和電腦處理效能的不斷提升。

  本書將帶領讀者了解人工智慧的相關技術和發展近況,透過一些實例來掌握必備的技能,並能夠獨立使用相關技術完成對電腦視覺問題的分析和處理。本書各個章節的重點如下。

  第1 章主要介紹人工智慧、神經網路和電腦視覺的發展歷史,讓讀者對這一領域有一個全面的認識。

  第2 章主要介紹在了解和掌握後面章節的內容時需要用到的數學知識,以及在實戰操作的過程中進行環境架設及安裝相關軟體的方法。本書中數學相關的大部分知識都集中在本章中,主要目的是讓讀者先對這個領域的知識產生興趣,這樣才能更進一步地深入學習和研究。在本章中不會插入大量的數學公式,避免讓初學者望而卻步,在不斷消化公式的過程中喪失學習興趣和動力。透過不斷實戰來學習,可以累積成就感,這種由上向下的方式不失為一種更好的學習方法。

  第3 章主要介紹在學習神經網路過程中會經常遇到的一些概念和定義。例如反向傳播(Back Propagation)、啟動函數(Activation Function)、監督學習(Supervised Learning)、無監督學習(Unsupervised Learning),等等,這也是為之後學習深度神經網路做準備。在架設一個完整的深度神經網路模型時,就需要不斷地用到本章的內容了。

  第4 章主要介紹深度神經網路中的旋積神經網路(Convolutional Neural Network,簡稱CNN)。首先介紹旋積層、全連接層、池化層等相關內容,之後又列舉目前主流的一些旋積神經網路架構,並比較它們之間的相同點和不同點,以便於掌握不同的旋積神經網路的結構和技術細節。

  第5 章主要介紹Python 程式語言的相關知識,目的是讓讀者掌握Python 語言的語法定義和使用方式,並使用Python 語言進行功能程式的撰寫;還會介紹在處理電腦視覺問題時需要用到的兩個重要的Python 套件:NumPy 和Matplotlib。本章內容豐富,而且Python 語言本身就很簡單且易上手,讀者很快就能掌握Python 這門程式語言。

  第6 章主要介紹如何使用PyTorch 深度學習架構。PyTorch 非常簡單好用,能夠根據我們的需求快速架設出我們想要的深度神經網路模型,這要歸功於PyTorch 以動態圖型計算為基礎的特性,它與以靜態圖型計算為基礎的深度學習架構相比,有更多的優勢,例如PyTorch 不僅速度快,還有許多功能強大的套件可供呼叫。本章先介紹PyTorch 中常用的套件和類別的使用方法;然後介紹如何使用PyTorch中的一些自動化方法來提升程式的執行效率和簡潔度;最後會透過一個綜合實例,使用本章的內容解決一個實際的電腦視覺問題。

  第7 章一開始就是一個關於電腦視覺問題的實作,介紹了一種非常實用的深度神經網路重複使用方法,即遷移學習(Transfer Learning)。在掌握遷移學習的原理之後,會基於PyTorch 對遷移學習進行實戰,並解決比之前更複雜的電腦視覺問題。對實戰程式的解析會貫穿本章,讓讀者更深刻地了解程式。

  第8 章說明如何基於PyTorch 實戰影像風格移轉(Neural Style)。透過對本章的學習,讀者會發現,利用旋積神經網路不僅能處理圖片分類問題,只要有想法和創意,還能做更多、更有趣的事情。

  第9 章介紹一種多模型融合方法,在現有的模型遭遇效能提升瓶頸時,可透過架設一種經過科學融合的新模型達到超過預期的泛化能力。本章會基於PyTorch對多模型融合方法進行實戰。

  第10 章介紹一種區別於旋積神經網路的新神經網路結構, 即循環神經網路(Recurrent Neural Network,簡稱RNN)。不同於旋積神經網路強大的影像特徵分析能力,循環神經網路主要用於處理有序輸入的資料。為了方便讀者了解模型如何對有序數據進行處理,本章會基於PyTorch 使用循環神經網路來處理一個電腦視覺問題。

  第 11 章說明自動編碼器,它是一種使用非監督學習方法的神經網路。自動編碼器能夠實現很多功能,本章會選取一個影像去噪問題來進行自動編碼器實作。

  本書前6 章的內容可作為後5 章的準備,前6 章的知識偏向基礎和理論, 只有掌握了這些內容,才能從容應對後5 章的實作。這個循序漸進的過程會讓讀者對知識的了解更深刻,技能提升更迅速。

  人工智慧在近幾年大熱,網路上的相關資料良莠不齊且沒有系統,即使有優秀的參考資料,對基礎薄弱的初學者來說也有點難。本書即是出於對這一現狀的考慮,透過從基礎到實戰、由淺入深的過程,讓讀者基於PyTorch 來使用深度學習方法實際解決一些電腦視覺相關的問題,這樣,讀者在取得知識的過程中會更有成就感,學起來也會更積極、主動。

  感謝家人的鼓勵和支援,也感謝張國霞編輯的幫助和付出,筆者才能以更好的方式將本書呈現在讀者的面前。希望讀者能遵從敏捷學習的想法,多實作、多思考並不斷進步。在本書中會有很多實例,讀者可以舉一反三、不斷實作,在發現問題時要多思考,畢竟本書內容有限,若想讓能力獲得更高層次的提升,則需要取得更多的資料來充實自己。

唐進民
 

詳細資料

  • ISBN:9789863796978
  • 規格:平裝 / 296頁 / 17 x 23 x 1.5 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣

最近瀏覽商品

 

相關活動

  • 【資訊月】高手在民間,技術創新無極限。電腦書59折起!
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 我識年終充電展
  • 大境。出版菊聯展

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報