本書是一本深度學(xué)習(xí)的基礎(chǔ)入門讀物，對深度學(xué)習(xí)的基本理論進(jìn)行了介紹，主要以Ubuntu系統(tǒng)為例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分別在3個框架下，通過3個實戰(zhàn)項目掌握了框架的使用方法，并詳細(xì)描述了生產(chǎn)流程，最后講述了通過集群部署深度學(xué)習(xí)的項目以及如何進(jìn)行運營維護(hù)的注意事項。

目錄

第1章 深度學(xué)習(xí)簡介1
1.1 深度學(xué)習(xí)的發(fā)展1
1.2 深度學(xué)習(xí)的應(yīng)用及研究方向3
1.3 深度學(xué)習(xí)工具介紹和對比4
1.3.1 Caffe4
1.3.2 TensorFlow5
1.3.3 Torch6
1.4 小結(jié)7
第 2章 深度學(xué)習(xí)基本理論9
2.1 深度學(xué)習(xí)的基本概念9
2.2 深度學(xué)習(xí)的訓(xùn)練過程13
2.3 深度學(xué)習(xí)的常用模型和方法14
2.4 小結(jié)20
第3章 深度學(xué)習(xí)環(huán)境搭建23
3.1 Caffe安裝23
3.1.1 安裝Caffe的相關(guān)依賴項24
3.1.2 安裝NVIDIA驅(qū)動24
3.1.3 安裝CUDA27
3.1.4 配置cuDNN30
3.1.5 源代碼編譯安裝OpenCV32
3.1.6 編譯Caffe，并配置Python接口34
3.2 Caffe框架下的MNIST數(shù)字識別問題41
3.3 TensorFlow安裝42
3.3.1 基于pip安裝42
3.3.2 基于Anaconda安裝46
3.3.3 基于源代碼安裝51
3.3.4 常見安裝問題56
3.4 TensorFlow框架下的CIFAR圖像識別問題59
3.5 Torch安裝61
3.5.1 無CUDA的Torch 7安裝61
3.5.2 CUDA的Torch 7安裝61
3.6 Torch框架下neural-style圖像合成問題62
3.7 小結(jié)74
第4章 人臉識別75
4.1 人臉識別概述75
4.2 人臉識別系統(tǒng)設(shè)計76
4.2.1 需求分析76
4.2.2 功能設(shè)計77
4.2.3 模塊設(shè)計78
4.3 系統(tǒng)生產(chǎn)環(huán)境部署及驗證81
4.3.1 抽幀環(huán)境部署81
4.3.2 抽幀功能驗證82
4.3.3 OpenFace環(huán)境部署82
4.3.4 OpenFace環(huán)境驗證84
4.4 批量生產(chǎn)90
4.5 小結(jié)102
第5章 車輛識別103
5.1 概述103
5.2 系統(tǒng)設(shè)計104
5.2.1 需求分析104
5.2.2 功能設(shè)計104
5.2.3 模塊設(shè)計105
5.3 系統(tǒng)生產(chǎn)環(huán)境部署及驗證106
5.3.1 生產(chǎn)環(huán)境部署106
5.3.2 項目部署107
5.3.3 環(huán)境驗證108
5.4 批量生產(chǎn)109
5.5 小結(jié)117
第6章 不良視頻識別119
6.1 概述119
6.2 不良圖片模型簡介120
6.3 系統(tǒng)設(shè)計122
6.4 系統(tǒng)部署及系統(tǒng)測試驗證123
6.5 批量生產(chǎn)125
6.5.1 批量節(jié)目元數(shù)據(jù)信息檢索與篩選125
6.5.2 基于FFmpeg的SDK抽取視頻I幀126
6.5.3 基于膚色比例檢測的快速篩查128
6.5.4 基于Caffe框架的不良圖片檢測128
6.6 小結(jié)129
第7章 集群部署與運營維護(hù)131
7.1 認(rèn)識Docker131
7.2 基于Docker的TensorFlow實驗環(huán)境134
7.3 運營維護(hù)137
7.4 小結(jié)138
參考文獻(xiàn)139