MXNet 深度学习实战 (17):全面认识 MXNet 1.5

阅读数:2 2019 年 12 月 28 日 22:57

MXNet深度学习实战(17):全面认识MXNet 1.5

(本章小结)

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。

数据的爆发和计算力的提升极大地推动了人工智能的发展,其中以深度学习为代表的算法在大多数领域都超越了传统算法,成为学术界和工业界持续研究和关注的对象。

深度学习的热潮带来了深度学习框架的不断发展和进步,通过这些框架,我们可以更加灵活且高效地设计网络结构和训练模型。这段时期涌现出来众多优秀的深度学习框架,比如 Amazon 的 MXNet、Google 的 TensorFlow、Facebook 的 Caffe/Caffe2 和 PyTorch 等。MXNet 作为 Amazon 官方支持的深度学习框架,自 2015 年下半年开源以来深受用户喜爱,其命令式编程(imperative programming)和符号式编程(symbolic programming)相结合的方式兼顾了灵活性和高效性,因此不论是高校研究还是企业部署都具有一定的优势。同时 MXNet 拥有详细的文档和稳定的接口,不仅降低了上手门槛,而且还降低了代码维护的成本。

上手 MXNet 并不需要你具备特殊知识,一般而言,只要你具备基本的代码编写能力和算法知识就可以开始你的深度学习之旅了。最后,为了方便读者学习,全书所涉及的代码在 GitHub 上均可下载,项目地址是: https://github.com/miraclewkf/MXNet-Deep-Learning-in-Action ,如果后期本书中的内容或代码有修正也会在该项目上发布说明,欢迎读者访问。

MXNet深度学习实战(17):全面认识MXNet 1.5

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

评论

发布