飛槳Paddle Paddle Fluid是百度推出的深度學習框架，不僅支撐了百度公司的很多業務和應用，而且隨著其開源過程的推進，在很多行業得到普及、應用和關注。
本書基於最新的飛槳Paddle Paddle Fluid版本，以真實的應用案例介紹如何用飛槳Paddle Paddle解決主流的深度學習問題。
全書共14章。本書首先介紹了什麼是飛槳Paddle Paddle，然後介紹了其核心設計思想，進而緊緊結合案例介紹了飛槳Paddle Paddle在主流的圖像任務領域、NLP領域的應用，最後還探討了Paddle-Mobile與Anakin框架等高級主題。附錄A和B給出了飛槳Paddle Paddle與Tensor Flow、Caffe框架的介面中常用層的對比。
本書非常適合對人工智慧感興趣的學生、從事機器學習相關工作的讀者閱讀，尤其適合想要通過飛槳Paddle Paddle掌握深度學習應用技術的研究者和從業者參考。 于祥，百度Paddle Paddle技術運營。2015年開始研究神經網路技術，早期從事基於深度學習的身份認證技術研發，曾負責上海智慧城市項目和華潤集團專案的演算法支援，曾獲得ACM-ICPC與CCCC-GPLT銀獎。 第1章 飛槳PaddlePaddle簡介
與AI　Studio的使用　1
1．1　飛槳PaddlePaddle簡介　1
1．2　飛槳PaddlePaddle的工具元件　2
1．2．1　PaddleHub—簡明易用的
預訓練模型管理框架　2
1．2．2　PARL—基於飛槳PaddlePaddle
的深度強化學習框架　3
1．2．3　AutoDL Design—讓深度學習
來設計深度學習　4
1．2．4　VisualDL—深度學習視覺化
工具庫　5
1．2．5　模型轉換工具X2Paddle　5
1．3　飛槳PaddlePaddle在百度內部
支持的案例　6
1．4　飛槳PaddlePaddle與TensorFlow的
1．5　AI Studio簡介　8
1．6　在AI Studio中創建項目　9
1．6．1　使用者介面簡介　9
1．6．2　創建並運行一個項目　10
1．7　AI Studio單機項目概述　11
1．7．1　頁面概覽　11
1．7．2　複製專案　12
1．7．3　VisualDL工具的使用　13
1．8　Notebook環境使用說明　14
1．8．1　Notebook頁面概覽　14
1．8．2　操作區　14
1．8．3　Notebook內容編輯區　15
1．8．4　側邊欄　21
1．8．5　工具列　23
1．9　AI Studio集群項目　23
1．9．1　集群專案說明　23
1．9．2　創建集群項目　24
1．9．3　頁面概覽　25
1．9．4　代碼編輯介面　25
1．9．5　檔管理和資料集區域　26
1．9．6　檔預覽編輯和提交任務
區域　27
1．9．7　PaddlePaddle集群訓練說明　27
1．9．8　資料集與輸出檔路徑說明　28
1．9．9　提交任務　29
1．9．10　歷史任務　29
1．9．11　預先安裝包說明　30
1．10　線上部署及預測　31
1．10．1　功能說明　31
1．10．2　通過訓練任務生成模型檔　32
1．10．3　創建一個線上服務　34
1．10．4　測試沙箱服務　39
1．10．5　部署線上服務　40
1．10．6　調用線上服務　41
1．11　NumPy常規操作及使用　42
第2章 PaddlePaddle Fluid的環境
搭建與安裝　50
2．1　在Linux系統中安裝
PaddlePaddle　50
2．1．1　租用百度BCC雲伺服器　50
2．1．2　安裝前的準備工作　56
2．1．3　通過pip安裝PaddlePaddle　58
2．1．4　在Docker中安裝
PaddlePaddle　59
2．2　在Windows系統中安裝
PaddlePaddle　64
2．2．1　Windows GPU驅動環境安裝　64
2．2．2　下載並安裝CUDA　65
2．2．3　安裝cuDNN　68
2．2．4　安裝PaddlePaddle　69
2．3　在macOS系統中安裝
PaddlePaddle　69
2．3．1　安裝Python 3　69
2．3．2　安裝PaddlePaddle　71
第3章　PaddlePaddle深度學習入門—
在MNIST上進行手寫
數位識別　72
3．1　引言　72
3．2　模型概覽　73
3．2．1　Softmax回歸模型　73
3．2．2　多層感知器　74
3．2．3　卷積神經網路　75
3．3　資料介紹　78
3．4　PaddlePaddle的程式配置過程　79
3．4．1　程式說明　79
3．4．2　配置inference_program　79
3．4．3　配置train_program　81
3．4．4　配置optimizer_program　82
3．4．5　配置資料集reader　82
3．5　構建訓練過程　83
3．5．1　事件處理常式配置　83
3．5．2　開始訓練　84
3．6　應用模型　86
3．6．1　生成待預測的輸入資料　87
3．6．2　Inference創建及預測　87
3．6．3　預測結果　87
3．7　小結　88
第4章　PaddlePaddle設計思想與
核心技術　89
4．1　編譯時與運行時的概念　89
4．2　Fluid內部執行流程　90
4．3　Program設計簡介　91
4．4　Block簡介　92
4．5　Block和Program的設計細節　93
4．6　框架執行器設計思想　94
4．6．1　代碼示例　95
4．6．2　創建框架執行器　95
4．6．3　運行框架執行器　96
4．7　示例　96
4．7．1　定義Program　96
4．7．2　創建框架執行器　98
4．7．3　運行框架執行器　99
4．8　LoD Tensor資料結構解讀　99
4．8．1　LoD索引　100
4．8．2　LoD Tensor在PaddlePaddle
中的表示方法　101
4．8．3　LoD Tensor的API　103
4．8．4　LoD Tensor的使用示例　105
4．9　動態圖機制——DyGraph　107
4．9．1　動態圖設置和基本用法　108
4．9．2　基於DyGraph構建網路　109
4．9．3　使用DyGraph訓練模型　110
4．9．4　模型參數的保存　115
4．9．5　模型評估　116
4．9．6　編寫相容的模型　118
第5章　獨孤九劍—經典圖像分類
網路實現　119
5．1　圖像分類網路現狀　119
5．2　VGG16圖像分類任務　123
5．2．1　定義網路結構　124
5．2．2　定義推理程式　127
5．2．3　定義訓練程式　127
5．2．4　產生實體訓練對象　128
5．2．5　讀取數據　128
5．2．6　編寫事件處理常式並
啟動訓練　129
5．2．7　執行模型預測　130
5．3　模組化設計GoogleNet　135
5．4　Alexnet模型實現　142
5．5　Resnet模型實現　146
5．6　MobileNet V2模型實現　149
5．7　ShuffleNet V2模型實現　154
第6章　“天網”系統基礎—
目標檢測　159
6．1　目標檢測簡介　160
6．2　對R-CNN系列演算法的探索歷史　161
6．2．1　R-CNN演算法：目標檢測
開山之作　161
6．2．2　SPP網路　164
6．2．3　Fast R-CNN　166
6．2．4　Faster R-CNN　167
6．3　單步目標檢測演算法　177
6．3．1　統一檢測演算法YOLO　178
6．3．2　SSD基本原理　181
6．3．3　SSD在訓練時的匹配策略　185
6．3．4　使用PaddlePaddle實現
SSD網路　186
6．4　PyramidBox　203
6．4．1　提出PyramidBox方法的
背景　204
6．4．2　PyramidBox網路結構　205
6．4．3　PyramidBox的創新點　208
6．4．4　PyramidBox的PaddlePaddle
官方實現　210
第7章　“天網”系統進階—圖元級
物體分割　221
7．1　物體分割簡介　221
7．2　語義分割與實例分割的關係　222
7．3　語義分割　222
7．3．1　語義分割的任務描述　223
7．3．2　全卷積網路　224
7．3．3　ParseNet　229
7．3．4　u-net　229
7．3．5　v-net　231
7．3．6　u-net變體網路　231
7．3．7　PSPNet　233
7．3．8　ICNet　234
7．3．9　DeepLab v3+　241
7．4　實例分割　249
7．4．1　實例分割概述　249
7．4．2　Mask R-CNN　250
第8章　從零開始瞭解NLP
技術—word2vec　263
8．1　初識NLP　263
8．2　詞向量簡介　265
8．3　如何得到詞向量模型　268
8．4　詞向量模型概覽　269
8．4．1　語言模型　269
8．4．2　N-Gram模型　269
8．4．3　CBOW模型　270
8．4．4　Skip-Gram　271
8．4．5　詞ID　271
8．5　通過PaddlePaddle訓練
CBOW模型　273
8．5．1　CBOW模型訓練過程　273
8．5．2　數據預處理　274
8．5．3　程式設計實現　274
8．5．4　模型應用　278
8．6　小結　280
第9章　feed流最懂你—
個性化推薦　282
9．1　引言　282
9．2　推薦網路模型設計　283
9．2．1　YouTube的深度神經網路
個性化推薦系統　284
9．2．2　融合推薦模型　286
9．3　電影推薦實驗　290
9．3．1　資料介紹與下載　290
9．3．2　模型配置說明　292
9．3．3　訓練模型　295
9．3．4　應用模型　298
9．4　小結　299
第10章 讓機器讀懂你的心—
情感分析技術　300
10．1　情感分析及其作用　300
10．2　模型設計　303
10．3　情感分析實驗　308
第11章 NLP技術深入理解—
語義角色標注　315
11．1　引言　315
11．2　模型概覽　317
11．2．1　棧式迴圈神經網路　317
11．2．2　雙向迴圈神經單元　318
11．2．3　條件隨機場　319
11．2．4　深度雙向LSTM SRL模型　320
11．3　使用PaddlePaddle實現SRL
任務　322
11．3．1　數據預處理　322
11．3．2　進行PaddlePaddle實驗　324
11．4　小結　331
第12章 NLP技術的應用—
機器翻譯　332
12．1　引言　332
12．2　效果展示　333
12．3　模型概覽　333
12．3．1　時間步展開的雙向迴圈
神經網路　333
12．3．2　編碼器-解碼器框架　334
12．3．3　柱搜索演算法　337
12．4　機器翻譯實戰　337
12．4．1　數據預處理　337
12．4．2　模型配置　338
12．4．3　訓練模型　342
12．4．4　應用模型　343
第13章 PaddlePaddle移動端及嵌入式
框架—Paddle-Mobile　345
13．1　Paddle-Mobile簡介　345
13．2　Paddle-Mobile優化與適配　346
13．2．1　包壓縮　346
13．2．2　工程結構編碼前重新設計　347
13．3　移動端主體識別和分類　350
13．3．1　完全在雲端的神經網路
技術應用　352
13．3．2　移動端業界案例　353
13．3．3　在移動端應用深度學習
技術的難點　355
13．3．4　AR即時翻譯問題的
解決方案　356
13．4　編譯與開發Paddle-Mobile
平臺庫　359
13．5　開發一個基於移動端深度學習
框架的Android　APP　360
13．6　Paddle-Mobile設計思想　368
第14章 百度開源高速推理引擎——
Anakin　374
14．1　Anakin架構與性能　375
14．2　Anakin的特性　379
14．2．1　支持眾多異構平臺　379
14．2．2　高性能　379
14．2．3　彙編級的kernel優化　382
14．2．4　Anakin值得一提的
技術亮點　382
14．3　Anakin的使用方法　384
14．3．1　Anakin的工作原理　384
14．3．2　Anakin v2．0 API　385
14．4　示例程式　393
附錄A　TensorFlow與PaddlePaddle Fluid
介面中常用層對照表　394
附錄B　Caffe與PaddlePaddle Fluid
介面中常用層對照表　401

• ISBN：9787115519641
• 規格：平裝 / 402頁 / 16k / 19 x 26 x 2.01 cm / 普通級 / 單色印刷 / 1-1
• 出版地：中國

本書分類： 電腦資訊 > 程式設計 > 其他

最近瀏覽商品

溫馨提醒您：若您訂單中有購買簡體館無庫存/預售書或庫存於海外廠商的書籍，建議與其他商品分開下單，以避免等待時間過長，謝謝。

大陸出版品書況：因裝幀品質及貨運條件未臻完善，書況與台灣出版品落差甚大，封面老舊、出現磨痕、凹痕等均屬常態，故簡體字館除封面破損、內頁脫落...等較嚴重的狀態外，其餘所有商品將正常出貨。

請注意，部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
調貨時間：若您購買海外庫存之商品，於您完成訂購後，商品原則上約21~30個工作天內抵台(若有將延遲另行告知)。為了縮短等待的時間，建議您將簡體書與其它商品分開訂購，以利一般商品快速出貨。
若您具有法人身份為常態性且大量購書者，或有特殊作業需求，建議您可洽詢「 企業採購 」。
退換貨說明
會員所購買的商品均享有到貨十天的猶豫期（含例假日）。退回之商品必須於猶豫期內寄回。
辦理退換貨時，商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性，切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者，恐將影響退貨權益或需負擔部分費用。
訂購本商品前請務必詳閱商品 退換貨原則 。