MXNet 深度学习实战 (10):全面认识 MXNet 1.3

阅读数:4 2019 年 12 月 28 日 22:57

MXNet深度学习实战(10):全面认识MXNet 1.3

(关于 MXNet)

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。

在众多主流的深度学习框架中,很难说哪一个在各方面都占有绝对优势,但是假如你选择 MXNet 进行深度学习算法的开发和部署,相信你一定能体会到其运行速度快、省显存等优点。另外随着 MXNet 的不断推广,相关的学习资料也越来越多,社区越来越壮大,这对于 MXNet 而言是非常利好的。

MXNet 从开源起就将命令式编程和符号式编程无缝衔接在一起,比如在设计神经网络结构时采用符号式编程得到计算图,然后根据计算图进行一系列的优化从而提高性能,而在训练模型过程中涉及的逻辑控制操作则可以通过命令式编程的方式实现。因此 MXNet 在灵活和高效之间取得了非常好的平衡,这使得 MXNet 不仅适合于学术界研究试错,也适合工业界进行线上部署。事实上,成功很少会有捷径,MXNet 虽然是 2015 年年底开源,但在开源之前其实经历了较长的开发期,属于典型的厚积薄发。

MXNet深度学习实战(10):全面认识MXNet 1.3

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

评论

发布