| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787115629852 |
| 所属分类：图书>计算机/网络>硬件外部设备维修 |
编辑推荐
本书作者是多年从事软件开发工作的工程师，具有丰富的开发经验。 本书是入门级图书，通过直观的图表和言简意赅的语言讲解深度学习的基础理论，可读性强。 本书采用多个经典实例，实战型高，内容直观。 本书配套资源丰富，便于读者自学。商品详情内容简介
本书较为全面地介绍华为深度学习框架的系统架构及其典型应用。全书从逻辑上分为个部分。第一部分由第章和第章组成，介绍深度学习基础、概述。第二部分由第章组成，介绍框架各子系统的使用方法，包括数据处理、算子、神经网络模型的开发、数据可视化组件、推理和移动端框架 。第三部分由第章组成，介绍基于的动漫头像生成实例。本书既可以作为深度学习相关方向学生的专业用书，又可以作为相关科研人员和开发人员的参考用书。
目 录
第章 深度学习基础
深度学习的基础理论
人工智能的发展历程
深度学习是当前热度优选的技术
深度学习技术的常用概念
深度学习的基本工作流程
深度学习框架
常用的深度学习框架
深度学习框架的对比与选择
深度学习框架的执行模式
模式和模式的对比
计算图的概念
华为云平台
功能概述 第章 深度学习基础
深度学习的基础理论
人工智能的发展历程
深度学习是当前热度优选的技术
深度学习技术的常用概念
深度学习的基本工作流程
深度学习框架
常用的深度学习框架
深度学习框架的对比与选择
深度学习框架的执行模式
模式和模式的对比
计算图的概念
华为云平台
功能概述
平台对昇腾生态的支持
开发工具
使用平台的基本方法
第章 概述
总体架构
华为全栈全场景解决方案
框架的总体架构
库和子系统
模型库
扩展库
子系统
子系统
子系统
子系统
子系统
子系统
子系统
搭建环境
准备基础运行环境
安装框架
社区
模块编程
模块编程基础
常用的数据科学开发包
的常用模块
编程基础
的开发流程
配置的运行信息
数据类型（）
张量（）
数据集（）
算子（）
神经网络基本单元（）
模型（）
第章 数据处理
背景知识
深度学习中的数据处理
的数据处理流程
数据集加载
加载常用图像数据集
加载常用文本数据集
数据采样
生成和使用自定义数据集
通用数据处理
数据混洗
实现数据映射操作
对数据集进行分批
对数据集进行重复处理
对数据集进行拼接处理
对象的转置处理
文本数据处理
文本数据增强技术概述
构造和使用词汇表
文本分词技术
图像处理与增强
使用显示图像
图像裁剪
图像翻转
图像缩放
图像反相
图像格式的转换
图像数据类型的转换
自定义数据集
将数据存储为数据集
加载数据集
优化数据处理
数据加载性能优化
数据增强性能优化
数据处理
创建数据集
数据增强
第章 算子
深度学习的常用算法
激活函数
损失函数
优化器（）
归一化（）
常用的激活函数算子
函数相关算子
函数相关算子
函数相关算子
函数相关算子
函数相关算子
常用的损失函数算子
损失函数相关算子
损失函数相关算子
损失函数相关算子
交叉熵损失函数相关算子
损失函数相关算子
损失函数相关算子
损失函数相关算子
常用的优化器和学习率相关算子
常用的优化器算子
学习率相关算子
常用的归一化算子
算法相关算子
算法相关算子
算法相关算子
算法相关算子
算法相关算子
第章 神经网络模型开发
神经网络模型基础
搭建神经网络的流程
的工作原理
的经典模型
搭建神经网络
在框架中搭建神经网络的流程
定义神经网络类
在神经网络中定义隐层
自动微分
设置超参初始值
设置损失函数和优化器
模型训练
创建模型对象
训练模型
保存模型
基于模型的手写数字识别实例
搭建环境
训练模型
模型的源代码解析
通过云平台在线训练模型
本节案例的流程
准备训练数据
订阅算法
使用订阅算法创建训练作业
第章 数据可视化组件
概述
的工作原理
安装
收集和解析日志文件
收集日志文件
解析日志文件
训练看板
训练标量可视化
参数分布图
张量可视化
计算图可视化
数据图可视化
数据抽样
损失函数多维分析
溯源与对比看板
溯源与对比的数据采集实例
溯源
对比看板
第章 推理
概述
推理的基本概念
训练和推理的区别与联系
推理概述
推理的流程
模型文件格式
加载模型
在线推理
使用 从华为云加载模型
验证模型
测试模型
离线推理
概述
导出模型
在环境中安装
使用 进行推理的流程
加载模型
获取输入输出节点名
准备数据
执行推理
通过云平台实现在线推理
模型转换
创建应用
部署为在线服务
调用在线服务的接口
清除资源
第章 移动端框架
的总体架构
离线模块
在线模块
在环境下安装
安装依赖的软件
编译
下载 压缩包
编程
完整的迁移学习过程编程
端侧模型训练可以使用的回调函数
单纯的端侧推理场景编程
端侧训练、评估和推理实例
实例的目录结构
解析实例的主脚本
为运行实例做准备
运行实例
实例中端侧模型训练代码解析
实例中端侧模型评估代码解析
实例中端侧模型推理代码解析
开发图像分类的 实例
本实例的运行效果
本实例的开发流程
本实例使用的图像分类模型
下载本实例的源代码
搭建本实例的开发环境
构建和运行本实例项目
本实例执行端侧推理的流程
端侧推理的程序
第章 基于的动漫头像生成实例
和理论基础
生成模型和判别模型
什么是
的原理
为在线运行实例准备环境
下载实例代码
在创建实例并上传代码
实例的在线运行与代码解析
下载并解压数据集
设置运行属性及训练参数
图像数据处理与增强
可视化部分训练数据
初始化权重参数
定义生成器模型
定义判别器模型
连接生成器和损失函数
连接判别器和损失函数
定义损失函数和优化器
定义网络
完成生成器和判别器的实例化工作
训练模型
绘制训练过程中生成器和判别器损失值变化趋势图
展示生成的卡通头像
第 章 基于实现文本情感分类的实例
文本的数值化表示
独热（）编码
将每个单词编码为一个专享数字
词嵌入向量
（ ，全局词向量）模型
工作原理
的网络结构
的作用
模型
实例的运行和代码解析
下载实例代码并上传至云平台
本实例的代码块
下载并解压数据集
下载包
创建保存数据集预处理输出的目录
配置运行信息和网络参数
安装依赖包
执行数据集预处理
显示数据集预处理的结果
创建训练集对象
定义网络
训练并保存模型
模型验证
本实例的版本不兼容问题
附录
第章实例的部分代码解析
一 主界面处理程序简介
二 结果页面处理程序简介
三 端侧推理的程序
显示全部信息
作者简介
李晓黎，年毕业于吉林大学计算机系，硕士，具有中国投资银行、国家开发银行、中信实业银行等多家银行从业经历，多年参与银行信息化建设和网银平台开发工作，积累了深厚的全栈技术和丰富的实战开发经验，自年以来多年间带领所组建的开发团队，从事网络管理软件、企业系统和电商平台的开发与建设，对开发模式、开发团队组织管理和系统架构设计有着深入的理解和丰富的实战经验。在带领技术团队的过程中积累了丰富的专业技术与培训经验。
本书作者是多年从事软件开发工作的工程师，具有丰富的开发经验。 本书是入门级图书，通过直观的图表和言简意赅的语言讲解深度学习的基础理论，可读性强。 本书采用多个经典实例，实战型高，内容直观。 本书配套资源丰富，便于读者自学。商品详情内容简介
本书较为全面地介绍华为深度学习框架的系统架构及其典型应用。全书从逻辑上分为个部分。第一部分由第章和第章组成，介绍深度学习基础、概述。第二部分由第章组成，介绍框架各子系统的使用方法，包括数据处理、算子、神经网络模型的开发、数据可视化组件、推理和移动端框架 。第三部分由第章组成，介绍基于的动漫头像生成实例。本书既可以作为深度学习相关方向学生的专业用书，又可以作为相关科研人员和开发人员的参考用书。
目 录
第章 深度学习基础
深度学习的基础理论
人工智能的发展历程
深度学习是当前热度优选的技术
深度学习技术的常用概念
深度学习的基本工作流程
深度学习框架
常用的深度学习框架
深度学习框架的对比与选择
深度学习框架的执行模式
模式和模式的对比
计算图的概念
华为云平台
功能概述 第章 深度学习基础
深度学习的基础理论
人工智能的发展历程
深度学习是当前热度优选的技术
深度学习技术的常用概念
深度学习的基本工作流程
深度学习框架
常用的深度学习框架
深度学习框架的对比与选择
深度学习框架的执行模式
模式和模式的对比
计算图的概念
华为云平台
功能概述
平台对昇腾生态的支持
开发工具
使用平台的基本方法
第章 概述
总体架构
华为全栈全场景解决方案
框架的总体架构
库和子系统
模型库
扩展库
子系统
子系统
子系统
子系统
子系统
子系统
子系统
搭建环境
准备基础运行环境
安装框架
社区
模块编程
模块编程基础
常用的数据科学开发包
的常用模块
编程基础
的开发流程
配置的运行信息
数据类型（）
张量（）
数据集（）
算子（）
神经网络基本单元（）
模型（）
第章 数据处理
背景知识
深度学习中的数据处理
的数据处理流程
数据集加载
加载常用图像数据集
加载常用文本数据集
数据采样
生成和使用自定义数据集
通用数据处理
数据混洗
实现数据映射操作
对数据集进行分批
对数据集进行重复处理
对数据集进行拼接处理
对象的转置处理
文本数据处理
文本数据增强技术概述
构造和使用词汇表
文本分词技术
图像处理与增强
使用显示图像
图像裁剪
图像翻转
图像缩放
图像反相
图像格式的转换
图像数据类型的转换
自定义数据集
将数据存储为数据集
加载数据集
优化数据处理
数据加载性能优化
数据增强性能优化
数据处理
创建数据集
数据增强
第章 算子
深度学习的常用算法
激活函数
损失函数
优化器（）
归一化（）
常用的激活函数算子
函数相关算子
函数相关算子
函数相关算子
函数相关算子
函数相关算子
常用的损失函数算子
损失函数相关算子
损失函数相关算子
损失函数相关算子
交叉熵损失函数相关算子
损失函数相关算子
损失函数相关算子
损失函数相关算子
常用的优化器和学习率相关算子
常用的优化器算子
学习率相关算子
常用的归一化算子
算法相关算子
算法相关算子
算法相关算子
算法相关算子
算法相关算子
第章 神经网络模型开发
神经网络模型基础
搭建神经网络的流程
的工作原理
的经典模型
搭建神经网络
在框架中搭建神经网络的流程
定义神经网络类
在神经网络中定义隐层
自动微分
设置超参初始值
设置损失函数和优化器
模型训练
创建模型对象
训练模型
保存模型
基于模型的手写数字识别实例
搭建环境
训练模型
模型的源代码解析
通过云平台在线训练模型
本节案例的流程
准备训练数据
订阅算法
使用订阅算法创建训练作业
第章 数据可视化组件
概述
的工作原理
安装
收集和解析日志文件
收集日志文件
解析日志文件
训练看板
训练标量可视化
参数分布图
张量可视化
计算图可视化
数据图可视化
数据抽样
损失函数多维分析
溯源与对比看板
溯源与对比的数据采集实例
溯源
对比看板
第章 推理
概述
推理的基本概念
训练和推理的区别与联系
推理概述
推理的流程
模型文件格式
加载模型
在线推理
使用 从华为云加载模型
验证模型
测试模型
离线推理
概述
导出模型
在环境中安装
使用 进行推理的流程
加载模型
获取输入输出节点名
准备数据
执行推理
通过云平台实现在线推理
模型转换
创建应用
部署为在线服务
调用在线服务的接口
清除资源
第章 移动端框架
的总体架构
离线模块
在线模块
在环境下安装
安装依赖的软件
编译
下载 压缩包
编程
完整的迁移学习过程编程
端侧模型训练可以使用的回调函数
单纯的端侧推理场景编程
端侧训练、评估和推理实例
实例的目录结构
解析实例的主脚本
为运行实例做准备
运行实例
实例中端侧模型训练代码解析
实例中端侧模型评估代码解析
实例中端侧模型推理代码解析
开发图像分类的 实例
本实例的运行效果
本实例的开发流程
本实例使用的图像分类模型
下载本实例的源代码
搭建本实例的开发环境
构建和运行本实例项目
本实例执行端侧推理的流程
端侧推理的程序
第章 基于的动漫头像生成实例
和理论基础
生成模型和判别模型
什么是
的原理
为在线运行实例准备环境
下载实例代码
在创建实例并上传代码
实例的在线运行与代码解析
下载并解压数据集
设置运行属性及训练参数
图像数据处理与增强
可视化部分训练数据
初始化权重参数
定义生成器模型
定义判别器模型
连接生成器和损失函数
连接判别器和损失函数
定义损失函数和优化器
定义网络
完成生成器和判别器的实例化工作
训练模型
绘制训练过程中生成器和判别器损失值变化趋势图
展示生成的卡通头像
第 章 基于实现文本情感分类的实例
文本的数值化表示
独热（）编码
将每个单词编码为一个专享数字
词嵌入向量
（ ，全局词向量）模型
工作原理
的网络结构
的作用
模型
实例的运行和代码解析
下载实例代码并上传至云平台
本实例的代码块
下载并解压数据集
下载包
创建保存数据集预处理输出的目录
配置运行信息和网络参数
安装依赖包
执行数据集预处理
显示数据集预处理的结果
创建训练集对象
定义网络
训练并保存模型
模型验证
本实例的版本不兼容问题
附录
第章实例的部分代码解析
一 主界面处理程序简介
二 结果页面处理程序简介
三 端侧推理的程序
显示全部信息
作者简介
李晓黎，年毕业于吉林大学计算机系，硕士，具有中国投资银行、国家开发银行、中信实业银行等多家银行从业经历，多年参与银行信息化建设和网银平台开发工作，积累了深厚的全栈技术和丰富的实战开发经验，自年以来多年间带领所组建的开发团队，从事网络管理软件、企业系统和电商平台的开发与建设，对开发模式、开发团队组织管理和系统架构设计有着深入的理解和丰富的实战经验。在带领技术团队的过程中积累了丰富的专业技术与培训经验。