●第一部分 理論
第1章 深度學習與MindSpore
1.1 機器學習
1.1.1 圍棋與人工智能
1.1.2 什麼是機器學習
1.2 深度學習
1.2.1 什麼是深度學習
1.2.2 深度學習的現實應用
1.3 常用的深度學習框架
1.4 MindSpore簡介
1.4.1 MindSpore架構
1.4.2 端雲協同架構
參考文獻
第2章 深度學習基礎知識
2.1 神經網絡
2.1.1 人工神經網絡
2.1.2 神經網絡的發展歷史
2.2 回歸問題
2.2.1 模型
2.2.2 模型訓練
2.3 分類問題
2.4 前向傳播
2.5 梯度下降
2.5.1 梯度
2.5.2 梯度下降
2.5.3 梯度下降法的一般過程
2.5.4 常見的梯度下降法
2.6 鏈式法則與反向傳播
2.7 優化器
2.7.1 梯度下降算法(Gradient Descent,GD)
2.7.2 動量法(Momentum)
2.7.3 Nesterov Accelerated Gradient(NAG)
2.7.4 AdaGrad
2.7.5 Adadelta
2.8 過擬合與欠擬合
參考文獻
第3章 卷積神經網絡
3.1 卷積
3.2 池化
3.2.1 平均值池化
3.2.2 優選值池化
3.3 激活函數
3.3.1 激活函數的作用
3.3.2 常用的激活函數
3.4 卷積神經網絡的整體結構
參考文獻
第4章 循環神經網絡
4.1 循環神經網絡概述
4.2 循環神經網絡基本結構
4.2.1 基本循環神經網絡
4.2.2 雙向循環神經網絡
4.3 循環神經網絡變種
4.3.1 RNN的局限性
4.3.2 LSTM
4.3.3 GRU
參考文獻
第5章 生成對抗網絡
5.1 生成對抗網絡概述
5.1.1 GAN理論與實現
5.1.2 生成網絡
5.1.3 判別網絡
5.2 條件生成對抗網絡
5.3 深度卷積生成對抗網絡
5.4 GAN的典型應用
5.4.1 生成數據
5.4.2 圖像超分辨率
5.4.3 風格轉換
參考文獻
第6章 深度強化學習
6.1 深度強化學習概述
6.1.1 強化學習
6.1.2 深度強化學習
6.2 深度強化學習算法
6.2.1 Q.Learning
6.2.2 DON
6.2.3 Policy Gradient Method
6.3 深度強化學習的應用
6.3.1 機器人
6.3.2 導航與自動駕駛
6.3.3 智能醫療
參考文獻
第二部分 實踐
第7章 實驗環境的安裝和使用
7.1 Anaconda
7.1.1 Anaconda簡介
7.1.2 Anaconda的安裝
7.2 MindSpore的安裝
7.2.1 安裝對應的Python版本
7.2.2 安裝Windows cpu版本MindSpore
7.3 選擇合適的IDE
7.3.1 PyCharm簡介
7.3.2 VSCode簡介
7.3.3 MindStudio簡介
7.3.4 Jupyter Notebook簡介
7.4 總結
第8章 MindSpore快速入門
8.1 MindSpore中的一些基本概念及操作
8.1.1 張量(Tensor)初始化及其屬性
8.1.2 張量運算
8.2 MindSpore數據加載及處理
8.2.1 數據加載
8.2.2 數據處理及增強
8.3 總結
第9章 實現簡單線性函數擬合
9.1 實例背景
9.2 解決方案設計
9.3 方案實現
9.3.1 生成數據集
9.3.2 定義訓練網絡
9.3.3 擬合過程可視化準備
9.3.4 執行訓練
9.4 總結
第10章 使用LeNet.5網絡實現手寫數字識別
10.1 LeNet.5網絡
10.1.1 LeNet.5網絡概述
10.1.2 各層參數詳解
10.2 Mnist數據集
10.2.1 Mnist數據集簡介
10.2.2 數據集下載
10.2.3 數據讀取
10.2.4 數據處理
10.2.5 定義訓練網絡
10.2.6 訓練網絡
10.2.7 推理預測
10.3 總結
第11章 使用AlexNet網絡實現圖像分類
11.1 AlexNet網絡
11.1.1 AlexNet網絡概述
11.1.2 各層參數詳解
11.2 CIFAR.10數據集
11.2.1 CIFAR.10數據集簡介
11.2.2 數據集下載
11.2.3 數據讀取
11.3 使用AlexNet網絡實現圖像分類
11.3.1 使用Cifar10Dataset加載並處理輸入圖像
11.3.2 構建網絡模型
11.3.3 訓練網絡
11.3.4 驗證模型
11.4 總結
第12章 ResNet網絡的實現
12.1 ResNet網絡
12.1.1 ResNet網絡概述
12.1.2 ResNet網絡結構
12.2 ResNet網絡的實現
12.2.1 數據載入及處理
12.2.2 構建模型
12.2.3 訓練模型
12.2.4 評估模型
12.3 總結
第13章 LSTM網絡的實現
13.1 acllmdb vl數據集
13.2 LSTM網絡的實現
13.2.1 準備數據集
13.2.2 生成適用於MindSpor的數據集
13.2.3 構建模型
13.2.4 訓練模型
13.3 總結
本書分理論和實踐兩大部分。理論部分介紹了深度學習的相關基礎知識,從深度學習的基礎知識到簡單的卷積神經網絡再到更加復雜的循環神經網絡、生成對抗網絡、深度強化學習,層層遞進,由淺入深。實踐部分以2019年華為新推出並於2020年開源的MindSpore框架為深度學習的學習工具,將理論部分介紹的深度學習理論知識運用到實踐中,使用MindSpore框架實現線性擬合、數字圖像分類、圖片分類等功能,以便讀者掌握MindSpore框架的使用和深度學習知識的實際運用。本書屬於深度學習的入門書,適合於深度學習與機器學習相關領域的初學者或者有一定相關知識經驗的學習者、MindSpore框架的初學者以及對華為AI計算框架相關繫列感興趣的讀者。