PaddlePaddle Fluid 深度學(xué)習(xí)入門(mén)與實(shí)戰(zhàn)

第 1章　PaddlePaddle深度學(xué)習(xí)開(kāi)發(fā)環(huán)境的搭建
1．1　深度學(xué)習(xí)與PaddlePaddle
1．2　PaddlePaddle能做些什么
1．3　如何學(xué)習(xí)本書(shū)
1．4　Python的安裝
1．5　本地安裝PaddlePaddle
1．5．1　Windows操作系統(tǒng)下安裝PaddlePaddle
1．5．2　Ubuntu操作系統(tǒng)下安裝PaddlePaddle
1．6　PyCharm的使用
1．7　AI Studio平臺(tái)的使用
1．8　本章小結(jié)
第 2章　PaddlePaddle快速入門(mén)
2．1　兩個(gè)小實(shí)例讓PaddlePaddle跑起來(lái)
2．2　PaddlePaddle常量的使用
2．3　PaddlePaddle變量的使用
2．4　本章小結(jié)
第3章　PaddlePaddle的HelloWorld——線性回歸算法
3．1　邁入PaddlePaddle實(shí)戰(zhàn)第 一站
3．2　PaddlePaddle深度學(xué)習(xí)實(shí)戰(zhàn)—線性回歸算法
3．2．1　深度神經(jīng)網(wǎng)絡(luò)模型的搭建
3．2．2　利用房?jī)r(jià)數(shù)據(jù)集對(duì)深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證
3．3　本章小結(jié)
第4章　卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)——MNIST手寫(xiě)數(shù)字識(shí)別
4．1　圖像識(shí)別之卷積神經(jīng)網(wǎng)絡(luò)模型
4．2　PaddlePaddle CNN模型實(shí)戰(zhàn)—MNIST手寫(xiě)數(shù)字識(shí)別
4．3　本章小結(jié)
第5章　循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)——電影評(píng)論數(shù)據(jù)集的情感分析
5．1　自然語(yǔ)言處理之循環(huán)神經(jīng)網(wǎng)絡(luò)模型
5．2　PaddlePaddle搭建情感分析項(xiàng)目RNN模型
5．3　利用電影評(píng)論數(shù)據(jù)集對(duì)RNN模型進(jìn)行驗(yàn)證
5．4　本章小結(jié)
第6章　生成對(duì)抗網(wǎng)絡(luò)實(shí)戰(zhàn)——增強(qiáng)數(shù)據(jù)集
6．1　生成對(duì)抗網(wǎng)絡(luò)
6．2　GAN增強(qiáng)數(shù)據(jù)集實(shí)戰(zhàn)—訓(xùn)練GAN模型
6．2．1　創(chuàng)建生成器
6．2．2　創(chuàng)建判別器
6．3　本章小結(jié)
第7章　強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)——在游戲反饋中變得更聰明
7．1　強(qiáng)化學(xué)習(xí)簡(jiǎn)介
7．2　項(xiàng)目測(cè)試游戲Gym的簡(jiǎn)介
7．3　訓(xùn)練DQN模型——讓DQN模型在游戲中不斷學(xué)習(xí)并獲得高分
7．4　本章小結(jié)
第8章　PaddlePaddle模型的保存與使用
8．1　深度學(xué)習(xí)模型的保存與使用
8．2　訓(xùn)練模型．
8．3　加載訓(xùn)練模型
8．4　保存訓(xùn)練模型
8．5　使用模型進(jìn)行預(yù)測(cè)
8．6　本章小結(jié)
第9章　遷移學(xué)習(xí)實(shí)戰(zhàn)——花卉類型識(shí)別
9．1　遷移學(xué)習(xí)簡(jiǎn)介
9．2　遷移學(xué)習(xí)應(yīng)用場(chǎng)景分析
9．3　花卉類型識(shí)別項(xiàng)目實(shí)戰(zhàn)—訓(xùn)練模型
9．4　花卉類型識(shí)別項(xiàng)目實(shí)戰(zhàn)—驗(yàn)證模型
9．5　本章小結(jié)
第 10章　PaddlePaddle可視化工具Visual DL的使用
10．1　可視化工具的重要性
10．2　PaddlePaddle Visual DL的介紹
10．3　PaddlePaddle Visual DL的安裝
10．4　Visual DL的簡(jiǎn)單用法
10．5　模型訓(xùn)練中使用Visual DL
10．6　本章小結(jié)
第 11章　自定義圖像數(shù)據(jù)集識(shí)別項(xiàng)目實(shí)戰(zhàn)——水果識(shí)別
11．1　自定義數(shù)據(jù)集
11．2　項(xiàng)目圖像數(shù)據(jù)集的爬取
11．3　為圖像數(shù)據(jù)集生成圖像列表
11．4　定義神經(jīng)網(wǎng)絡(luò)模型
11．5　PaddlePaddle讀取訓(xùn)練數(shù)據(jù)
11．6　訓(xùn)練模型
11．7　預(yù)測(cè)模型
11．8　本章小結(jié)
第 12章　自定義文本數(shù)據(jù)集分類項(xiàng)目實(shí)戰(zhàn)——新聞標(biāo)題分類
12．1　自定義文本數(shù)據(jù)集
12．2　新聞標(biāo)題分類實(shí)戰(zhàn)—獲取文本數(shù)據(jù)集
12．3　對(duì)爬取數(shù)據(jù)進(jìn)行預(yù)處理和存儲(chǔ)
12．4　定義BiLSTM模型
12．5　讀取文本數(shù)據(jù)集
12．6　訓(xùn)練模型
12．7　預(yù)測(cè)文本數(shù)據(jù)．
12．8　本章小結(jié)
第 13章　PaddlePaddle動(dòng)態(tài)圖的使用
13．1　PaddlePaddle動(dòng)態(tài)圖機(jī)制．
13．2　搭建動(dòng)態(tài)圖模型
13．3　訓(xùn)練動(dòng)態(tài)圖模型
13．4　預(yù)測(cè)模型
13．5　本章小結(jié)
第 14章　開(kāi)發(fā)具有AI能力的服務(wù)器接口
14．1　具有AI能力的服務(wù)器接口
14．2　Python Web開(kāi)發(fā)框架Flask簡(jiǎn)介
14．3　PaddlePaddle預(yù)測(cè)服務(wù)器接口
14．4　本章小結(jié)
第 15章　移動(dòng)端深度學(xué)習(xí)框架Paddle Lite的項(xiàng)目實(shí)戰(zhàn)——水果識(shí)別App
15．1　Paddle Lite簡(jiǎn)介
15．2　安裝Paddle Lite
15．2．1　Docker環(huán)境搭建
15．2．2　Ubuntu環(huán)境搭建
15．2．3　編譯Paddle Lite
15．3　優(yōu)化移動(dòng)端的深度學(xué)習(xí)模型
15．4　Android水果識(shí)別App的開(kāi)發(fā)
15．5　本章小結(jié)