本书是一本通过PyTorch深度学习模型开发案例学习深度学习技术应用方法的图书,对精心设计的9大类深度学习任务构建模型,让读者可以逐步掌握高级且实用的深度学习开发和应用的方法。每个深度学习模型都是 State-of-the-Art(高性能模型)的基础,读者若能够亲自动手实现,对以后的研究和开发工作一定会有很大帮助。
案例涵盖面广:以PyTorch为工具,对常见的9种类型的深度学习任务进行了编程实现,让读者对深度学习技术的应用有一个全面了解。
代码解说详细:对各深度学习模型的实现方法及源代码进行了详细解说,将原理与实际操作相结合,便于学生阅读和理解程序的本质。
语言通俗易懂:虽然本书针对的是深度学习中、高级层次的读者,但书中的语言也尽量避免晦涩艰深,做到通俗易懂,让学习过程更高效。
实用针对性强:书中的每章都是为了解决特定任务而设计的主题,实用性和针对性特别强,而且特别注重原理的解说和过程的实现,读者可以从中学习到一些小窍门,举一反三,掌握灵活构建其他深度学习模型的能力。
本书实现的任务内容及深度学习模型
迁移学习,微调:用少量的图像数据构建深度学习模型
物体检测(SSD):对图像中的位置和内容进行检测
语义分割(PSPNet):在像素级别上对图像中的物体进行检测
姿势识别OpenPose:检测人物,并对人体各部位的链接进行识别
GAN(DCGAN,Self-Attention GAN):生成现实中实际存在的图像
异常检测(AnoGAN,Efficient GAN):用GAN对图像中的异常图像进行检测
自然语言处理(Transformer,BERT):对文本数据进行情感分析
视频分类(3DCNN,ECO):对人物动作的视频数据进行分类
读者对象:高校人工智能·机器学习·深度学习相关专业高年级学生;有一定AI技术基础、想积累深度学习实践经验的初级工程师;想通过实战提升机器学习·深度学习技术应用水平的所有开发人员和科研人员;对AI开发感兴趣并对深度学习技术的基础内容有一定编程经验的所有人员