MXNet 深度学习实战 (15):全面认识 MXNet 1.4.2

阅读数:3 2019 年 12 月 28 日 22:57

MXNet深度学习实战(15):全面认识MXNet 1.4.2

(NumPy)

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。

NumPy(Numerical Python)是 Python 语言中用于科学计算的非常基础和重要的库,支持大量的数组和矩阵运算。NumPy 中最常用的数据类型是 array,array 翻译过来就是数组的意思,在 NumPy 中 array 可以是多维的,比如 0 维的 array 就是标量,1 维的 array 就是向量,2 维的 array 就是矩阵等。

为什么要了解 NumPy 呢?因为大多数深度学习框架的基础数据结构都参考了 NumPy 中的 array,比如 MXNet 框架中的 NDArray、TensorFlow 和 PyTorch 框架中的 Tensor 等。那么既然有 NumPy array,为什么不直接在框架中使用这种数据结构呢?主要原因在于 NumPy array 只能在 CPU 上运行,不能在 GPU 上运行,因此在 MXNet 中就引入了 NDArray,NDArray 的大部分用法与 NumPy array 相似,最大的不同点在于 NDArray 可以在 GPU 上运行。因此,了解和熟悉 NumPy 的相关知识对于后续学习 MXNet 的 NDArray 接口以及其他代码实现都有一定的帮助。

MXNet深度学习实战(15):全面认识MXNet 1.4.2

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

评论

发布