作者：乐毅,王斌编著
页数：344
出版社：电子工业出版社
出版日期：2016
ISBN：9787121301186
电子书格式：pdf/epub/txt
内容简介
1 着重于深度学习的应用实践能力提升。
2 以Caffe 深度学习框架为切入点，剖析了Caffe 网络模型的构成。
3 深入解读了利用深度学习进行目标定位的经典网络模型。
4 以两大经典实战项目引领读者经历从问题提出到利用Caffe 求解的完整工程。
作者简介
乐毅：计算机专业硕士，现任职于某数据通信公司，高级系统工程师。负责公司深度学习技术领域的应用及相关项目，对深度学习及大数据深度挖掘具有浓厚的兴趣。擅长Caffe等深度学习框架及网络模型应用。王斌：通信与信息系统硕士，现任职于某数据通信公司，高级系统工程师。多年致力于深度学习技术的前沿研究与应用，对Caffe等深度学习框架在图像识别领域有深刻理解，承担公司多项与机器学习相关的研究工作。
本书特色
本书首先介绍了深度学习相关的理论和主流的深度学习框架，然后从Caffe 深度学习框架为切入点，介绍了Caffe 的安装、配置、编译和接口等运行环境，剖析Caffe 网络模型的构成要素和常用的层类型和Solver 方法。通过LeNet 网络模型的Mnist 手写实例介绍其样本训练和识别过程，进一步详细解读了AlexNet、VGGNet、GoogLeNet、Siamese 和SqueezeNet 网络模型，并给出了这些模型基于Caffe 的训练实战方法。然后，本书解读了利用深度学习进行目标定位的经典网络模型：FCN、R-CNN、Fast-RCNN、Faster-RCNN 和SSD，并进行目标定位Caffe 实战。本书的最后，从著名的Kaggle 网站引入了两个经典的实战项目，并进行了有针对性的原始数据分析、网络模型设计和Caffe 训练策略实践，以求带给读者从问题提出到利用Caffe 求解的完整工程经历，从而使读者能尽快掌握Caffe 框架的使用技巧和实战经验。针对Caffe 和深度学习领域的初学者，本书是一本不可多得的参考资料。本书的内容既有易懂的理论背景，又有丰富的应用实践，是深度学习初学者的指导手册，也可作为深度学习相关领域工程师和爱好者的参考用书。
目录
第1 章 绪论………………………………………………………………………………………………………………..1
1.1 引言……………………………………………………………………………………………………………….1
1.2 人工智能的发展历程……………………………………………………………………………………….2
1.3 机器学习及相关技术……………………………………………………………………………………….4
1.3.1 学习形式分类………………………………………………………………………………………..4
1.3.2 学习方法分类………………………………………………………………………………………..5
1.3.3 机器学习的相关技术……………………………………………………………………………..7
1.4 国内外研究现状………………………………………………………………………………………………8
1.4.1 国外研究现状………………………………………………………………………………………..8
1.4.2 国内研究现状………………………………………………………………………………………..9
第2 章 深度学习………………………………………………………………………………………………………..11
2.1 神经网络模型………………………………………………………………………………………………..11
2.1.1 人脑视觉机理………………………………………………………………………………………11
2.1.2 生物神经元………………………………………………………………………………………….13第1 章 绪论………………………………………………………………………………………………………………..1
1.1 引言……………………………………………………………………………………………………………….1
1.2 人工智能的发展历程……………………………………………………………………………………….2
1.3 机器学习及相关技术……………………………………………………………………………………….4
1.3.1 学习形式分类………………………………………………………………………………………..4
1.3.2 学习方法分类………………………………………………………………………………………..5
1.3.3 机器学习的相关技术……………………………………………………………………………..7
1.4 国内外研究现状………………………………………………………………………………………………8
1.4.1 国外研究现状………………………………………………………………………………………..8
1.4.2 国内研究现状………………………………………………………………………………………..9
第2 章 深度学习………………………………………………………………………………………………………..11
2.1 神经网络模型………………………………………………………………………………………………..11
2.1.1 人脑视觉机理………………………………………………………………………………………11
2.1.2 生物神经元………………………………………………………………………………………….13
2.1.3 人工神经网络………………………………………………………………………………………15
2.2 BP 神经网络………………………………………………………………………………………………….18
2.2.1 BP 神经元……………………………………………………………………………………………18
2.2.2 BP 神经网络构成…………………………………………………………………………………19
2.2.3 正向传播……………………………………………………………………………………………..21
2.2.4 反向传播……………………………………………………………………………………………..21
2.3 卷积神经网络………………………………………………………………………………………………..24
2.3.1 卷积神经网络的历史……………………………………………………………………………25
2.3.2 卷积神经网络的网络结构…………………………………………………………………….26
2.3.3 局部感知……………………………………………………………………………………………..27
2.3.4 参数共享……………………………………………………………………………………………..28
2.3.5 多卷积核……………………………………………………………………………………………..28
2.3.6 池化（Pooling）…………………………………………………………………………………..29
2.4 深度学习框架………………………………………………………………………………………………..30
2.4.1 Caffe ……………………………………………………………………………………………………30
2.4.2 Torch ……………………………………………………………………………………………………31
2.4.3 Keras……………………………………………………………………………………………………32
2.4.4 MXNet …………………………………………………………………………………………………32
2.4.5 TensorFlow …………………………………………………………………………………………..33
2.4.6 CNTK ………………………………………………………………………………………………….33
2.4.7 Theano …………………………………………………………………………………………………34
第3 章 Caffe 简介及其安装配置…………………………………………………………………………………36
3.1 Caffe 是什么………………………………………………………………………………………………….36
3.1.1 Caffe 的特点…………………………………………………………………………………………38
3.1.2 Caffe 的架构…………………………………………………………………………………………38
3.2 Caffe 的安装环境…………………………………………………………………………………………..39
3.2.1 Caffe 的硬件环境………………………………………………………………………………….39
3.2.2 Caffe 的软件环境………………………………………………………………………………….43
3.2.3 Caffe 的依赖库……………………………………………………………………………………..44
3.2.4 Caffe 开发环境的安装…………………………………………………………………………..46
3.3 Caffe 接口……………………………………………………………………………………………………..52
3.3.1 Caffe Python 接口…………………………………………………………………………………52
3.3.2 Caffe MATLAB 接口…………………………………………………………………………….55
3.3.3 Caffe 命令行接口………………………………………………………………………………….56
第4 章 Caffe 网络定义……………………………………………………………………………………………….58
4.1 Caffe 模型要素………………………………………………………………………………………………58
4.1.1 网络模型……………………………………………………………………………………………..58
4.1.2 参数配置……………………………………………………………………………………………..62
4.2 Google Protobuf 结构化数据……………………………………………………………………………63
4.3 Caffe 数据库………………………………………………………………………………………………….65
4.3.1 LevelDB……………………………………………………………………………………………….65
4.3.2 LMDB………………………………………………………………………………………………….66
4.3.3 HDF5 …………………………………………………………………………………………………..66
4.4 Caffe Net………………………………………………………………………………………………………..66
4.5 Caffe Blob………………………………………………………………………………………………………68
4.6 Caffe Layer …………………………………………………………………………………………………….70
4.6.1 Data Layers…………………………………………………………………………………………..71
4.6.2 Convolution Layers………………………………………………………………………………..75
4.6.3 Pooling Layers ……………………………………………………信息
1.1 引言……………………………………………………………………………………………………………….1
1.2 人工智能的发展历程……………………………………………………………………………………….2
1.3 机器学习及相关技术……………………………………………………………………………………….4
1.3.1 学习形式分类………………………………………………………………………………………..4
1.3.2 学习方法分类………………………………………………………………………………………..5
1.3.3 机器学习的相关技术……………………………………………………………………………..7
1.4 国内外研究现状………………………………………………………………………………………………8
1.4.1 国外研究现状………………………………………………………………………………………..8
1.4.2 国内研究现状………………………………………………………………………………………..9
第2 章 深度学习………………………………………………………………………………………………………..11
2.1 神经网络模型………………………………………………………………………………………………..11
2.1.1 人脑视觉机理………………………………………………………………………………………11
2.1.2 生物神经元………………………………………………………………………………………….13第1 章 绪论………………………………………………………………………………………………………………..1
1.1 引言……………………………………………………………………………………………………………….1
1.2 人工智能的发展历程……………………………………………………………………………………….2
1.3 机器学习及相关技术……………………………………………………………………………………….4
1.3.1 学习形式分类………………………………………………………………………………………..4
1.3.2 学习方法分类………………………………………………………………………………………..5
1.3.3 机器学习的相关技术……………………………………………………………………………..7
1.4 国内外研究现状………………………………………………………………………………………………8
1.4.1 国外研究现状………………………………………………………………………………………..8
1.4.2 国内研究现状………………………………………………………………………………………..9
第2 章 深度学习………………………………………………………………………………………………………..11
2.1 神经网络模型………………………………………………………………………………………………..11
2.1.1 人脑视觉机理………………………………………………………………………………………11
2.1.2 生物神经元………………………………………………………………………………………….13
2.1.3 人工神经网络………………………………………………………………………………………15
2.2 BP 神经网络………………………………………………………………………………………………….18
2.2.1 BP 神经元……………………………………………………………………………………………18
2.2.2 BP 神经网络构成…………………………………………………………………………………19
2.2.3 正向传播……………………………………………………………………………………………..21
2.2.4 反向传播……………………………………………………………………………………………..21
2.3 卷积神经网络………………………………………………………………………………………………..24
2.3.1 卷积神经网络的历史……………………………………………………………………………25
2.3.2 卷积神经网络的网络结构…………………………………………………………………….26
2.3.3 局部感知……………………………………………………………………………………………..27
2.3.4 参数共享……………………………………………………………………………………………..28
2.3.5 多卷积核……………………………………………………………………………………………..28
2.3.6 池化（Pooling）…………………………………………………………………………………..29
2.4 深度学习框架………………………………………………………………………………………………..30
2.4.1 Caffe ……………………………………………………………………………………………………30
2.4.2 Torch ……………………………………………………………………………………………………31
2.4.3 Keras……………………………………………………………………………………………………32
2.4.4 MXNet …………………………………………………………………………………………………32
2.4.5 TensorFlow …………………………………………………………………………………………..33
2.4.6 CNTK ………………………………………………………………………………………………….33
2.4.7 Theano …………………………………………………………………………………………………34
第3 章 Caffe 简介及其安装配置…………………………………………………………………………………36
3.1 Caffe 是什么………………………………………………………………………………………………….36
3.1.1 Caffe 的特点…………………………………………………………………………………………38
3.1.2 Caffe 的架构…………………………………………………………………………………………38
3.2 Caffe 的安装环境…………………………………………………………………………………………..39
3.2.1 Caffe 的硬件环境………………………………………………………………………………….39
3.2.2 Caffe 的软件环境………………………………………………………………………………….43
3.2.3 Caffe 的依赖库……………………………………………………………………………………..44
3.2.4 Caffe 开发环境的安装…………………………………………………………………………..46
3.3 Caffe 接口……………………………………………………………………………………………………..52
3.3.1 Caffe Python 接口…………………………………………………………………………………52
3.3.2 Caffe MATLAB 接口…………………………………………………………………………….55
3.3.3 Caffe 命令行接口………………………………………………………………………………….56
第4 章 Caffe 网络定义……………………………………………………………………………………………….58
4.1 Caffe 模型要素………………………………………………………………………………………………58
4.1.1 网络模型……………………………………………………………………………………………..58
4.1.2 参数配置……………………………………………………………………………………………..62
4.2 Google Protobuf 结构化数据……………………………………………………………………………63
4.3 Caffe 数据库………………………………………………………………………………………………….65
4.3.1 LevelDB……………………………………………………………………………………………….65
4.3.2 LMDB………………………………………………………………………………………………….66
4.3.3 HDF5 …………………………………………………………………………………………………..66
4.4 Caffe Net………………………………………………………………………………………………………..66
4.5 Caffe Blob………………………………………………………………………………………………………68
4.6 Caffe Layer …………………………………………………………………………………………………….70
4.6.1 Data Layers…………………………………………………………………………………………..71
4.6.2 Convolution Layers………………………………………………………………………………..75
4.6.3 Pooling Layers ……………………………………………………信息
