MXNet 深度学习实战 (16):全面认识 MXNet 1.4.3

阅读数:4 2019 年 12 月 28 日 22:57

MXNet深度学习实战(16):全面认识MXNet 1.4.3

(神经网络)

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。

通常我们都是用 MXNet 来训练深度学习模型,因此在 MXNet 中定义的接口和算法内容是相关的,所以读者最好具备基础的神经网络知识,这些知识包括如下几个方面。

1)神经网络基础层的含义。比如卷积层、池化层、全连接层、激活层、损失函数层的计算过程、网络层参数的含义及作用等。

2)优化算法。比如最常用的随机梯度下降(Stochastic Gradient Descent,SGD),了解梯度反向传播和优化的基础知识。

3)损失函数。明白损失函数在深度学习算法中的作用,熟悉常用算法的损失函数,比如分类算法中常用的交叉熵损失函数(cross entropy loss),目标检测算法中常用的 Smooth L1 损失函数等。

当然如果你真的一点也不了解神经网络那也不用担心,本书的后续章节会介绍算法相关的内容,另外还会介绍最近几年较为流行且实用的网络结构以帮助读者理解和入门。

MXNet深度学习实战(16):全面认识MXNet 1.4.3

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

评论

发布