深度学习之PyTorch实战计算机视觉

封面

版权信息

前言

第1章 浅谈人工智能、神经网络和计算机视觉

1.1 人工还是智能

1.2 人工智能的三起两落

1.3 神经网络简史

1.4 计算机视觉

1.5 深度学习+

第2章 相关的数学知识

2.1 矩阵运算入门

2.2 导数求解

第3章 深度神经网络基础

3.1 监督学习和无监督学习

3.2 欠拟合和过拟合

3.3 后向传播

3.4 损失和优化

3.5 激活函数

3.6 本地深度学习工作站

第4章 卷积神经网络

4.1 卷积神经网络基础

4.2 LeNet模型

4.3 AlexNet模型

4.4 VGGNet模型

4.5 GoogleNet

4.6 ResNet

第5章 Python基础

5.1 Python简介

5.2 Jupyter Notebook

5.3 Python入门

5.4 Python中的NumPy

5.5 Python中的Matplotlib

第6章 PyTorch基础

6.1 PyTorch中的Tensor

6.2 自动梯度

6.3 模型搭建和参数优化

6.4 实战手写数字识别

第7章 迁移学习

7.1 迁移学习入门

7.2 数据集处理

7.3 模型搭建和参数优化

7.4 小结

第8章 图像风格迁移实战

8.1 风格迁移入门

8.2 PyTorch图像风格迁移实战

8.3 小结

第9章 多模型融合

9.1 多模型融合入门

9.2 PyTorch之多模型融合实战

9.3 小结

第10章 循环神经网络

10.1 循环神经网络入门

10.2 PyTorch之循环神经网络实战

10.3 小结

第11章 自动编码器

11.1 自动编码器入门

11.2 PyTorch之自动编码实战

11.3 小结