MXNet 深度学习实战 (2):全面认识 MXNet 1.1&1.1.1

阅读数:2 2019 年 12 月 28 日 22:56

MXNet深度学习实战(2):全面认识MXNet 1.1&1.1.1

(人工智能、机器学习与深度学习)

内容简介
本书分为四大部分:
第一部分为准备篇(第 1~2 章),简单介绍深度学习相关的基础背景知识、深度学习框架 MXNet 的发展过程和优缺点,同时介绍基础开发环境的构建和 docker 的使用,帮助读者构建必要的基础知识背景。
第二部分为基础篇(第 3~7 章),介绍 MXNet 的几个主要模块,介绍 MXNet 的数据读取、数据增强操作,同时介绍了常用网络层的含义及使用方法、常见网络结构的设计思想,以及介绍模型训练相关的参数配置。
第三部分为实战篇(第 8~10 章),以图像分类、目标检测和图像分割这三个常用领域为例介绍如何通过 MXNet 实现算法训练和模型测试,同时还将结合 MXNet 的接口详细介绍算法细节内容。
第四部分为扩展篇(第 11~12 章),主要介绍 Gluon 和 GluonCV。Gluon 接口是 MXNet 推出的用于动态构建网络结构的重要接口,GluonCV 则是一个专门为计算机视觉任务服务的深度学习库。

人工智能、机器学习和深度学习这三个名词作为最近几年工业界和学术界的宠儿,在我们生活中扮演了非常重要的角色。简单来讲,这三者基本上是从宏观到微观的关系,也就是说人工智能的范围是最广的,机器学习可以看作是人工智能中的一部分,而深度学习可以看作是机器学习的一部分。这样的定义也许并不是十分严谨,但这并不会影响你对这三者的认识。另外还有一个名词也经常出现在我们的生活中,那就是大数据。其实这里提到的人工智能、机器学习和深度学习都离不开大数据的支撑,在今后的学习中你会发现,正是因为越来越多的数据得到了利用,深度学习技术才能不断发挥其“神秘”的作用。


(人工智能)

人工智能涉及的概念和技术非常广泛,而且其与传统技术之间没有特别明显的界限,所以很难对人工智能相关技术做一个限定,但是提到人工智能,就不得不提图灵测试。图灵测试是由人工智能之父艾伦·麦席森·图灵(Alan Mathison Turing)提出的一个关于检验机器是否具备人类智能的测试。该实验的内容是测试者和被测试者(一个人和一台机器)在分开的前提下,由测试者通过一定的装置(比如键盘)向被测试者发问,经过多次测试之后,如果有超过 30% 的测试者不能判断出被测试者是人还是机器,那么这台机器就通过了图灵测试。

目前,我们所实现的人工智能还不能算是完全的人工智能,基本上都是先进行人工干预才有所谓的智能。那么什么是人工干预呢?比如说你要训练一个模型去判断一张图像里面的动物是猫还是狗,那么大部分情况下,你要提前为这个模型提供大量的猫狗图像并明确告诉它每张图像中的动物是什么,这样模型才能根据它所学到的东西对新提供的图像进行分类。这一点就和婴儿的学习认知过程非常相似,婴儿在刚出生时,这个世界对他来说是陌生的,随着周围人不断教他学习和认识新事物,他的大脑中慢慢地就知道了每个事物及其对应的名字,以后当他再次遇到这些事物时,他就能够直接说出名字。虽然人工智能所涉及的技术难以进行完整描述,但不可否认的是,人工智能所涉及的算法,很大一部分都离不开机器学习。

MXNet深度学习实战(2):全面认识MXNet 1.1&1.1.1

购书地址 https://item.jd.com/12620056.html?dist=jd

评论

发布