人工智能深度学习综合实践-图书-人邮教育社区

内容摘要

本书较为全面地介绍深度学习模型训练、计算机视觉模型应用、自然语言处理模型应用等技术。全书共9个项目，包括深度学习全连接神经网络应用、深度学习卷积神经网络应用、深度学习循环神经网络应用、计算机视觉模型数据准备、计算机视觉模型训练与应用、计算机视觉模型部署、自然语言处理预训练模型数据准备、自然语言处理预训练模型训练与应用、自然语言处理模型部署等。本书以满足企业用人需求为导向、以岗位技能和综合素质培养为核心，通过理论与实战相结合的方式，培养能够根据深度学习项目需求，完成模型训练、模型应用及预训练模型迁移学习等工作的人才。
本书适用于“1+X”证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书（中级）的教学和培训，也适合作为中等职业学校、高等职业学校、应用型本科院校人工智能相关专业的教材，还适合作为需充实深度学习应用开发知识的技术人员的参考用书。

第 1篇深度学习模型训练 / 1
项目１　深度学习全连接神经网络应用 / 2
项目描述 / 2
知识准备 / 2
1.1深度学习分类任务 / 2
1.1.1深度学习分类任务的概念 / 2
1.1.2深度学习分类任务的类型 / 3
1.1.3分类任务与回归任务的区别 / 3
1.2全连接神经网络 / 3
1.3激活函数 / 4
1.3.1Sigmoid()函数 / 4
1.3.2ReLU()函数 / 5
1.3.3Softmax()函数 / 6
1.4交叉熵损失函数 / 7
1.5手写数字识别数据集 / 7
1.6全连接神经网络的训练方法 / 8
项目实施　通过全连接神经网络识别手写数字 / 8
1.7实施思路 / 8
1.8实施步骤 / 9
知识拓展 / 15
课后实训 / 15

项目２　深度学习卷积神经网络应用 / 16
项目描述 / 16
知识准备 / 16
2.1卷积神经网络的概念 / 16
2.2卷积层 / 17
2.2.1卷积计算 / 17
2.2.2步长 / 18
2.2.3填充 / 19
2.2.4多通道卷积 / 19
2.3池化层 / 21
2.4如何训练卷积神经网络 / 21
项目实施　通过卷积神经网络识别手写数字 / 22
2.5实施思路 / 22
2.6实施步骤 / 22
知识拓展 / 31
课后实训 / 32

项目３　深度学习模型训练——循环神经网络应用 / 33
项目描述 / 33
知识准备 / 34
3.1循环神经网络的常见类型 / 34
3.2循环神经网络的基本结构 / 34
3.2.1输入层 / 35
3.2.2隐藏层 / 35
3.2.3输出层 / 35
3.3简单循环神经网络——SimpleRNN / 36
3.4循环神经网络的构建与训练方法 / 37
项目实施　通过循环神经网络预测时序数据 / 37
3.5实施思路 / 37
3.6实施步骤 / 38
知识拓展 / 44
课后实训 / 44

第 2篇计算机视觉模型应用 / 45
项目４　计算机视觉模型数据准备 / 46
项目描述 / 46
知识准备 / 47
4.1常见的计算机视觉数据集及格式 / 47
4.1.1CIFAR-10、CIFAR-100数据集 / 47
4.1.2ImageNet数据集 / 48
4.1.3MS COCO数据集 / 48
4.1.4PASCAL VOC数据集 / 49
4.2PaddleX介绍 / 49
4.3PaddleX的图像分类数据集的加载方法 / 50
4.3.1使用paddlex.datasets.ImageNet()函数加载数据集 / 50
4.3.2使用paddlex.datasets.VOCDetection()函数加载数据集 / 51
4.3.3使用paddlex.datasets.CocoDetection()函数加载数据集 / 52
4.4PaddleX的图像分类数据处理函数 / 53
4.4.1RandomCrop()函数 / 53
4.4.2RandomHorizontalFlip()函数 / 53
4.4.3RandomDistort()函数 / 53
4.4.4Normalize()函数 / 54
4.4.5其他数据处理函数 / 54
项目实施　拆分和验证垃圾分类数据集 / 55
4.5实施思路 / 55
4.6实施步骤 / 55
知识拓展 / 62
课后实训 / 63

项目5　计算机视觉模型训练　
与应用 / 64
项目描述 / 64
知识准备 / 64
5.1计算机视觉领域的基本任务 / 64
5.2图像分类任务常用网络 / 66
5.2.1ResNet / 66
5.2.2DenseNet / 67
5.2.3AlexNet / 68
5.2.4MobileNet / 69
项目实施　训练垃圾分类模型 / 69
5.3实施思路 / 69
5.4实施步骤 / 70
知识拓展 / 72
课后实训 / 74

项目６　计算机视觉模型部署/ 75
项目描述 / 75
知识准备 / 76
6.1计算机视觉模型应用案例 / 76
6.2PaddleX本地部署 / 76
6.2.1模型导出 / 77
6.2.2模型部署预测 / 77
6.3PaddleX边缘设备部署 / 79
6.3.1　智慧零售操作台 / 79
6.3.2　智慧工业操作台 / 79
6.3.3　人工智能端侧开发套件 / 79
6.3.4　人工智能边缘开发设备 / 79
项目实施　部署垃圾分类模型到边缘设备 / 80
6.4实施思路 / 80
6.5实施步骤 / 81
知识拓展 / 87
课后实训 / 88

第3篇自然语言处理模型应用 / 89
项目7　自然语言处理预训练模型数据准备 / 90
项目描述 / 90
知识准备 / 90
7.1自然语言处理的数据集及格式 / 90
7.1.1DuEE数据集 / 91
7.1.2BSTC数据集 / 91
7.1.38类情感分类数据集 / 92
7.2PaddleHub介绍 / 93
7.3文本分类数据处理方法 / 94
7.4文本分类数据集加载方法 / 94
7.4.1文本分类数据集加载过程 / 94
7.4.2数据集加载 / 95
项目实施　处理、拆分和加载情感　
分类数据集 / 97
7.5实施思路 / 97
7.6实施步骤 / 97
知识拓展 / 105
课后实训 / 106

项目８　自然语言处理预训练模型训练与应用 / 107
项目描述 / 107
知识准备 / 107
8.1自然语言处理基本任务 / 107
8.2文本分类任务 / 108
8.2.1文本预处理 / 108
8.2.2文本表示 / 108
8.2.3分类模型构建 / 109
项目实施　配置、训练和评估情感　
分类模型 / 110
8.3实施思路 / 110
8.4实施步骤 / 110
知识拓展 / 114
课后实训 / 115

项目９　自然语言处理模型部署 / 116
项目描述 / 116
知识准备 / 116
9.1服务端部署应用案例 / 116
9.2PaddleHub本地部署 / 117
9.3PaddleHub服务端部署 / 117
9.3.1命令行启动 / 117
9.3.2配置文件启动 / 118
项目实施　部署情感分类模型 / 119
9.4实施思路 / 119
9.5PaddleHub本地部署实施步骤 / 119
9.6PaddleHub服务端部署实施步骤 / 121
9.6.1命令行启动 / 122
9.6.2　配置文件启动 / 124
知识拓展 / 127
课后实训 / 128