【章名目录】

第1章　深度学习概论
第2章 卷积神经网络
第3章 目标检测与语义分割
第4章 循环神经网络
第5章 自注意力
第6章 高级深度学习
第7章 注意力
第8章 图神经网络
第9章 大语言模型基础
第10章 综合实验：大型高分辨率集体照人脸检测与识别


【详细目录】

第1章　深度学习概论 1
1.1　深度学习的发展历程 2
1.2　深度学习算法的演进 5
1.3　深度学习的功能 7
1.4　深度学习的应用领域 8
1.5　深度学习的发展趋势 9
第2章 卷积神经网络 12
2.1　卷积神经网络概述 13
2.1.1　卷积神经网络的由来 13
2.1.2　卷积神经网络的结构 14
2.1.3　卷积神经网络的训练 21
2.2　反卷积 23
2.3　常见卷积神经网络 26
2.3.1　LeNet-5 26
2.3.2　AlexNet 29
2.3.3　VGG 31
2.3.4　GoogLeNet 33
2.3.5　ResNet 36
2.3.6　ResNeXt 40
2.3.7　DenseNet 41
2.3.8　DarkNet 42
2.3.9　SENet 44
2.4　轻量型卷积神经网络 46
2.4.1　MobileNet 46
2.4.2　ShuffleNet 47
2.4.3　EfficientNet 47
第3章 目标检测与语义分割 51
3.1　目标检测 52
3.1.1　目标检测基本概念 52
3.1.2　目标检测典型算法 53
3.2　图像分割 70
3.2.1　全卷积网络 70
3.2.2　U-Net算法 71
3.2.3　Mask R-CNN算法 75
3.2.4　DeepLab算法 76
实验1　基于YOLOv10的智能厨房目标检测 80
实验2　Orange Pi车道线检测 86
实验3　基于DeepLabv3算法的车道检测 88
第4章 循环神经网络 93
4.1　循环神经网络概述 94
4.2　长短期记忆网络 97
4.3　门限循环单元 103
4.4　循环神经网络的其他改进 103
第5章 自注意力 108
5.1　自注意力基础 109
5.1.1　常见词嵌入模型 109
5.1.2　自注意力机制 110
5.1.3　多头注意力机制 112
5.1.4　Transformer模型 114
5.2 FlashAttention算法 115
5.2.1 Transformer模型的优势与挑战 115
5.2.2 FlashAttention的提出与演进 116
5.2.3 FlashAttention的核心技术 116
5.3　ViT算法 120
5.4　BERT模型 121
5.5　混合专家模型 123
5.5.1　门控网络 125
5.5.2　专家网络 127
5.6　无监督学习 130
5.6.1　深度信念网络 130
5.6.2　自编码器网络 132
第6章 高级深度学习 134
6.1　生成对抗网络 135
6.1.1　生成对抗网络基本原理 135
6.1.2　常见的生成对抗网络 138
6.2　迁移学习 148
6.3　对偶学习 150
6.4　知识蒸馏 151
6.5　小样本学习 153
实验4　基于CycleGAN的图像生成 154
第7章 注意力 161
7.1　自注意力 162
7.2　步幅注意力 162
7.3　固定分解注意力 164
7.4　时序注意力 165
7.5　加性注意力 167
7.6　通道注意力 167
7.7　空间注意力 169
7.8　滑动窗口注意力 170
7.9　交叉注意力 171
第8章 图神经网络 174
8.1　图的基本概念 175
8.2　图神经网络的基本原理 176
8.3　图神经网络的基本特征 178
8.4　图神经网络的基本类型 178
8.4.1　GCN 178
8.4.2　GAT 182
8.4.3　GIN 185
8.5　图神经网络的应用 187
第9章 大语言模型基础 189
9.1　语言模型的发展 190
9.1.1　统计语言模型 191
9.1.2　神经网络模型 191
9.1.3　预训练语言模型 192
9.1.4　大语言模型 193
9.2　数据准备与预处理 194
9.2.1　数据采集 195
9.2.2　数据处理 195
9.2.3　质量过滤 196
9.2.4　数据去重 197
9.2.5　隐私脱敏 197
9.2.6　词元划分 198
9.3　大语言模型架构 198
9.3.1　编码器架构 198
9.3.2　编码器-解码器架构 199
9.3.3　解码器架构 200
9.4　大语言模型的优化 201
9.4.1　分布式训练框架 201
9.4.2　数据并行 201
9.4.3　模型并行 202
9.4.4　混合并行 208
9.5　大语言模型微调 209
9.5.1　监督微调 209
9.5.2　参数高效微调 210
9.6　提示工程 214
9.6.1　Prompt分类 214
9.6.2　Prompt的要素 215
9.6.3　提示方法 216
9.7　RAG 216
9.7.1　RAG任务分级 218
9.7.2　检索组件 220
9.7.3　生成组件 221
实验5　大语言模型合同审核 222
第10章 综合实验：大型高分辨率集体照人脸检测与识别 225
10.1　实验概要 226
10.1.1　实验目的 226
10.1.2　实验内容 227
10.2　实验步骤 227
10.2.1　数据集准备及数据预处理 228
10.2.2　大型集体照裁剪 230
10.2.3　YOLOX人脸检测模型微调 231
10.2.4　基于YOLOX的人脸检测模型推理部署 237
10.2.5　人脸识别 240
10.2.6　在集体照中输出人名 244
10.2.7　智能点名 248
10.2.8　表情识别和闭眼检测 255
10.3　OrangePi AIpro开发板实验 258
10.3.1　镜像烧录 258
10.3.2　启动开发板 259
10.3.3　CANN升级 260
10.3.4　MindSpore升级 262
10.3.5　代码环境配置 263
10.3.6　模型格式转换 264
10.4　结果验证 265