深度学习：主流框架和编程实战

前言 自20世纪80年代以来，机器学习已经在算法、理论和应用等方面取得了巨大成功，广泛应用于产业界与学术界。简单来说，机器学习就是通过算法使得机器能从大量历史数据中学习规律，从而对新的 样本完成智能识别或对未来做预测。深度学习是一种机器学习方法，在一些最新的研究领域和新的应用背景下，可用数据量的激增、计算能力的增强以及计算成本的降低为深度学习的快速发展铺平了道 路，同时也为深度学习在各大领域的应用提供了支撑。自AlphaGo被提出并成功击败职业围棋手后，“深度学习”这一概念快速进入人们的视野并在业界引起了轰动，其因强大的特征提取能力以及灵活性 在国内外各大企业中掀起一阵狂潮，在语音识别、图像识别和图像处理领域取得的成果尤为突出。 本书是以实践案例为主的深度学习框架结合编程实战的综合性著作，将带领读者逐步掌握深度学习需要的数据处理、调整参数、运行实例和二次编码，不仅帮助读者理解理论知识，而且能够使读者熟 练掌握各种深度学习框架下的编程控制。本书配有大量的实践案例，既便于课堂教学，又便于学生自学。此外本书还配有同步PPT课件和程序源码，可供教师进行实验课程辅导。 本书介绍了四种深度学习框架（TensorFlow、Caffe、Torch、MXNet）的运行原理，配合实例介绍了框架的详细安装、程序设计、调参和二次接口的详细编程过程，引领读者完整搭建深度学习框 架，相信本书能够从实战的角度帮助读者快速掌握和提高深度学习编程的技能。 全书内容可分为绪论、四大框架、迁移学习和并行计算/交叉验证四大部分，共7章。 第1章讨论深度学习与机器学习的关系、深度学习与统计学的关系、深度学习框架、深度学习中涉及的优化方法以及对深度学习的展望五个方面的内容，从理论上对深度学习进行全面深刻的剖析，旨在 为后续学习提供理论铺垫与指导。 第2章对TensorFlow深度学习框架进行详细介绍，主要包括TensorFlow运作原理、模型构建、框架安装，并进一步介绍了TensorFlow框架下具体网络的图像分类编程实现以及详细代码的解读。 第3章从理论与实战两方面对Caffe深度学习框架的发展、结构以及具体的搭建过程进行详细介绍，并在Caffe深度学习框架下构建全卷积神经网络（Fully Convolutional Network，FCN），用该网络 进行图像语义分割的实战编程，对该案例程序代码进行详细解读。 第4章介绍Torch深度学习框架的基础知识，同时介绍Torch深度学习框架中使用的Lua语言；按照Torch框架的安装过程，以一个具体的目标检测实例为出发点，详细介绍Torch的类和包的用法以及构 建神经网络的全过程，最后介绍Faster R-CNN的方法和实例。 第5章对MXN......