深度學(xué)習(xí)在動態(tài)媒體中的應(yīng)用與實踐

定　價：￥59.00

作　者：	唐宏，陳麒，莊一嶸著
出版社：	人民郵電出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787115480101	出版時間：	2018-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	140	字?jǐn)?shù)：

內(nèi)容簡介

　　本書是一本深度學(xué)習(xí)的基礎(chǔ)入門讀物，對深度學(xué)習(xí)的基本理論進(jìn)行了介紹，主要以Ubuntu系統(tǒng)為例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分別在3個框架下，通過3個實戰(zhàn)項目掌握了框架的使用方法，并詳細(xì)描述了生產(chǎn)流程，最后講述了通過集群部署深度學(xué)習(xí)的項目以及如何進(jìn)行運營維護的注意事項。本書適合對深度學(xué)習(xí)有濃厚興趣的讀者、希望用深度學(xué)習(xí)完成設(shè)計的計算機專業(yè)或電子信息專業(yè)的高校畢業(yè)生以及想從實戰(zhàn)項目入手的深度學(xué)習(xí)研發(fā)工程師或算法工程師。

作者簡介

　　唐宏，男，中國電信股份有限公司廣州研究院數(shù)據(jù)通信研究所所長、工程師，中國電子學(xué)會云計算專家委員會委員，中國電信股份有限公司科技委員會數(shù)據(jù)組副組長，中國通信學(xué)會CCSA TC1 WG4副組長，中國SDN產(chǎn)業(yè)聯(lián)盟需求場景與網(wǎng)絡(luò)架構(gòu)組組長，主要從事IP承載網(wǎng)、下一代互聯(lián)網(wǎng)、網(wǎng)絡(luò)新技術(shù)方面的研發(fā)與管理工作。陳麒，浙江工業(yè)大學(xué)信息工程學(xué)院信息與通信工程工學(xué)碩士，現(xiàn)任職于中國電信股份有限公司廣州研究院，主要從事人工智能與CDN的研發(fā)工作。莊一嶸，中山大學(xué)通信與信息系統(tǒng)專業(yè)碩士，現(xiàn)任職于中國電信股份有限公司廣州研究院，主要從事CDN、IPTV、人工智能應(yīng)用等研發(fā)工作。

圖書目錄

第 1章深度學(xué)習(xí)簡介 1
1．1 深度學(xué)習(xí)的發(fā)展 1
1．2 深度學(xué)習(xí)的應(yīng)用及研究方向 3
1．3 深度學(xué)習(xí)工具介紹和對比 4
1．3．1 Caffe 4
1．3．2 TensorFlow 5
1．3．3 Torch 6
1．4 小結(jié) 7
第 2章深度學(xué)習(xí)基本理論 9
2．1 深度學(xué)習(xí)的基本概念 9
2．2 深度學(xué)習(xí)的訓(xùn)練過程 13
2．3 深度學(xué)習(xí)的常用模型和方法 14
2．4 小結(jié) 20
第3章深度學(xué)習(xí)環(huán)境搭建 23
3．1 Caffe安裝 23
3．1．1 安裝Caffe的相關(guān)依賴項 24
3．1．2 安裝NVIDIA驅(qū)動 24
3．1．3 安裝CUDA 27
3．1．4 配置cuDNN 30
3．1．5 源代碼編譯安裝OpenCV 32
3．1．6 編譯Caffe，并配置Python接口 34
3．2 Caffe框架下的MNIST數(shù)字識別問題 41
3．3 TensorFlow安裝 42
3．3．1 基于pip安裝 42
3．3．2 基于Anaconda安裝 46
3．3．3 基于源代碼安裝 51
3．3．4 常見安裝問題 56
3．4 TensorFlow框架下的CIFAR圖像識別問題 59
3．5 Torch安裝 61
3．5．1 無CUDA的Torch 7安裝 61
3．5．2 CUDA的Torch 7安裝 61
3．6 Torch框架下neural-style圖像合成問題 62
3．7 小結(jié) 74
第4章人臉識別 75
4．1 人臉識別概述 75
4．2 人臉識別系統(tǒng)設(shè)計 76
4．2．1 需求分析 76
4．2．2 功能設(shè)計 77
4．2．3 模塊設(shè)計 78
4．3 系統(tǒng)生產(chǎn)環(huán)境部署及驗證 81
4．3．1 抽幀環(huán)境部署 81
4．3．2 抽幀功能驗證 82
4．3．3 OpenFace環(huán)境部署 82
4．3．4 OpenFace環(huán)境驗證 84
4．4 批量生產(chǎn) 90
4．5 小結(jié) 102
第5章車輛識別 103
5．1 概述 103
5．2 系統(tǒng)設(shè)計 104
5．2．1 需求分析 104
5．2．2 功能設(shè)計 104
5．2．3 模塊設(shè)計 105
5．3 系統(tǒng)生產(chǎn)環(huán)境部署及驗證 106
5．3．1 生產(chǎn)環(huán)境部署 106
5．3．2 項目部署 107
5．3．3 環(huán)境驗證 108
5．4 批量生產(chǎn) 109
5．5 小結(jié) 117
第6章不良視頻識別 119
6．1 概述 119
6．2 不良圖片模型簡介 120
6．3 系統(tǒng)設(shè)計 122
6．4 系統(tǒng)部署及系統(tǒng)測試驗證 123
6．5 批量生產(chǎn) 125
6．5．1 批量節(jié)目元數(shù)據(jù)信息檢索與篩選 125
6．5．2 基于FFmpeg的SDK抽取視頻I幀 126
6．5．3 基于膚色比例檢測的快速篩查 128
6．5．4 基于Caffe框架的不良圖片檢測 128
6．6 小結(jié) 129
第7章集群部署與運營維護 131
7．1 認(rèn)識Docker 131
7．2 基于Docker的TensorFlow實驗環(huán)境 134
7．3 運營維護 137
7．4 小結(jié) 138
參考文獻(xiàn) 139