目錄
譯者序
原書前言

第1章 本書概要及準備工作 1
1.1 本書概要1
1.1.1 深度學習的成果1
1.1.2 本書學習內(nèi)容———圖像分類、目標檢測、強化學習 3
1.1.3 本書學習方法———預(yù)訓練模型的利用 3
1.2 本書使用的數(shù)據(jù)集5
1.3 本書使用的硬件及軟件6
1.3.1 使用框架 6
1.3.2 GPU的使用 7
1.3.3 準備硬件———改造游戲用計算機 8
1.3.4 OS與中間件 9
1.4 軟件安裝10
1.4.1 OS的安裝 10
1.4.2 中間件的安裝 16
1.5 程序下載23
1.5.1 下載文檔 23
1.5.2 下載文檔的解壓縮 24

第2章 網(wǎng)絡(luò)結(jié)構(gòu) 26
2.1 前饋神經(jīng)網(wǎng)絡(luò)26
2.1.1 全連接神經(jīng)網(wǎng)絡(luò)簡介 27
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)簡介 27
2.2 卷積神經(jīng)網(wǎng)絡(luò)28
2.2.1 卷積層 28
2.2.2 池化層 31
2.2.3 上采樣層 31
2.3 本書使用的網(wǎng)絡(luò)模型32

第3章 基本術(shù)語 33
3.1 深度學習操作概要33
3.2 激活函數(shù)35
3.3 損失函數(shù)37
3.4 隨機梯度下降法40
3.4.1 權(quán)值更新計算示例 40
3.4.2 動量 44
3.5 誤差反向傳播算法45
3.6 過擬合47
3.6.1 基于驗證數(shù)據(jù)集的epoch數(shù)設(shè)置 47
3.6.2 正則化 49
3.6.3 dropout 50
3.7 數(shù)據(jù)擴充與預(yù)處理50
3.8 預(yù)訓練模型52
3.9 學習率的調(diào)整54

第4章 圖像識別分類 57
4.1 概要57
4.2 公共數(shù)據(jù)的制作59
4.2.1 下載圖像數(shù)據(jù)集 59
4.2.2 數(shù)據(jù)提取和基礎(chǔ)數(shù)據(jù)集的制作 60
4.2.3 數(shù)據(jù)擴充和公共數(shù)據(jù)集的制作 634.3 基于9層神經(jīng)網(wǎng)絡(luò)的識別分類66
4.3.1 網(wǎng)絡(luò)概要 66
4.3.2 訓練與模型搭建 67
4.3.3 模型讀取和估測實操 73
4.3.4 實操示例 75
4.4 基于VGG-16的識別分類——— 16層預(yù)訓練模型80
4.4.1 VGG- 16概要 80
4.4.2 程序概要 82
4.4.3 實操示例 84
4.5 基于ResNet-152的識別分類———152層預(yù)訓練模型87
4.5.1 ResNet概要 87
4.5.2 實操環(huán)境安裝 88
4.5.3 程序概要 89
4.5.4 實操示例 93
4.6 估測精度的進一步提升98
4.6.1 概要 98
4.6.2 多模型的利用 100
4.6.3 Stacked Generalization 103
4.6.4 Self Training 103

第5章 目標檢測 107
5.1 目標定位———26層網(wǎng)絡(luò)107
5.1.1 目標定位、尺寸及種類的估測 107
5.1.2 使用軟件及特征 108
5.1.3 實操環(huán)境的安裝 109
5.1.4 基于預(yù)訓練模型的目標檢測 110
5.1.5 基于目標特征提取的目標 檢測 112
5.2 目標形狀識別———23層網(wǎng)絡(luò)120
5.2.1 目標位置、大小及形狀的估測 120
5.2.2 使用模型及特征 120
5.2.3 程序概要 123
5.2.4 實操示例 128

第6章 強化學習———訓練擅長井字棋游戲的計算機 133
6.1 強化學習133
6.1.1 強化學習概述 133
6.1.2 Q學習 133
6.1.3 DQN 136
6.2 基礎(chǔ)框架137
6.2.1 環(huán)境與Agent 137
6.2.2 命令處理概要 139
6.2.3 環(huán)境內(nèi)規(guī)則 140
6.3 實操環(huán)境的安裝140
6.4 Q學習與深度學習143
6.5 實操示例147

附錄 150
附錄A Yolo用“目標位置信息”的生成方法150
A.1 安裝BBox- Lable- Tool 150
A.2 生成“目標位置信息” 151
附錄B 源程序代碼155
參考文獻