●章 深度學習1
1.1引言1
1.2深度學習框架簡介1
1.3數學基礎知識3
1.3.1線性代數相關知識3
1.3.2概率論相關知識10
1.3.3導數相關知識13
1.4簡單的深度學習理論知識14
1.5小結19
第2章 PaddlePaddle的安裝20
2.1引言20
2.2計算機配置20
2.3安裝前的檢查20
2.4使用pip安裝21
2.5使用Docker安裝23
2.6從源碼編譯並生成安裝包25
2.6.1在本地編譯並生成安裝包25
2.6.2在Docker中編譯並生成安裝包28
2.7編譯Docker鏡像29
2.8在Windows操作繫統中安裝PaddlePaddle的方法30
2.8.1在Windows繫統中安裝Docker容器30
2.8.2在Windows繫統中安裝Ubuntu35
2.8.3在Windows 10中安裝Linux子繫統41
2.9測試安裝效果43
2.10小結45
第3章使用MNIST數據集實現手寫數字識別46
3.1引言46
3.2數據集46
3.3定義神經網絡模型47
3.4開始訓練模型50
3.4.1導入依賴包50
3.4.2初始化Paddle51
3.4.3獲取訓練器51
3.4.4開始訓練52
3.5使用參數預測54
3.5.1初始化PaddlePaddle54
3.5.2獲取訓練好的參數54
3.5.3讀取圖片54
3.5.4開始預測55
3.6小結56
第4章CIFAR數據集中彩色圖像的識別57
4.1引言57
4.2數據集57
4.3定義神經網絡模型59
4.4開始訓練模型61
4.4.1導入依賴包62
4.4.2初始化Paddle62
4.4.3獲取參數62
4.4.4創建訓練器63
4.4.5開始訓練64
4.5使用參數預測67
4.6使用其他神經模型69
4.7小結70
第5章自定義圖像數據集的識別72
5.1引言72
5.2網絡爬蟲技術72
5.2.1網絡爬蟲的整體框架72
5.2.2URL管理器74
5.2.3網頁下載器75
5.2.4網頁解析器76
5.3網絡爬蟲實例77
5.3.1調度器的使用79
5.3.2URL管理器的使用80
5.3.3網頁下載器的使用81
5.3.4網頁解析器的使用82
5.3.5數據收集器的使用83
5.3.6運行代碼84
5.4數據集88
5.4.1生成圖像列表89
5.4.2讀取數據92
5.5定義神經網絡96
5.6使用PaddlePaddle開始訓練97
5.6.1創建訓練器98
5.6.2開始訓練99
5.7使用PaddlePaddle預測102
5.8小結104
第6章驗證碼的識別105
6.1引言105
6.2數據集的獲取105
6.2.1下載驗證碼106
6.2.2修改驗證碼的文件名107
6.2.3裁剪驗證碼108
6.2.4生成圖像列表110
6.3讀取數據111
6.4使用PaddlePaddle開始訓練112
6.5使用PaddlePaddle預測118
6.5.1裁剪驗證碼118
6.5.2預測圖像119
6.5.3標簽轉成字符120
6.6小結121
第7章場景文字識別122
7.1引言122
7.2數據集122
7.3定義神經網絡模型123
7.4數據的讀取128
7.4.1讀取圖像列表128
7.4.2生成標簽字典129
7.4.3讀取訓練數據131
7.5訓練模型133
7.5.1訓練準備133
7.5.2安裝libwarpctc.so庫135
7.5.3開始訓練136
7.6開始預測137
7.7小結140
第8章驗證碼端到端的識別141
8.1引言141
8.2數據集141
8.3生成圖像列表文件143
8.4數據的讀取144
8.4.1讀取數據並存儲成列表144
8.4.2生成和讀取標簽字典145
8.4.3讀取訓練和測試的數據146
8.5定義網絡模型147
8.6生成訓練器150
8.7定義訓練151
8.8啟動訓練152
8.9開始預測153
8.10小結156
第9章車牌端到端的識別157
9.1引言157
9.2車牌數據的采集157
9.2.1車牌數據的下載157
9.2.2命名車牌圖像159
9.2.3車牌定位159
9.2.4灰度化圖像163
9.3數據的讀取164
9.3.1生成列表文件164
9.3.2以列表方式讀取數據165
9.3.3生成和讀取標簽字典166
9.3.4訓練數據和測試數據的讀取167
9.4定義神經網絡169
9.5開始訓練171
9.6開始預測173
9.7小結176
0章 使用VOC數據集實現目標檢測177
10.1引言177
10.2VOC數據集177
10.2.1下載VOC數據集178
10.2.2生成圖像列表179
10.3數據預處理180
10.4SSD神經網絡182
10.5訓練模型186
10.6評估模型189
10.7預測數據191
10.7.1預測並保存預測結果191
10.7.2顯示畫出的框193
10.8小結195
1章 通過自定義圖像數據集實現目標檢測196
11.1引言196
11.2數據集196
11.2.1下載車牌數據196
11.2.2重命名圖像197
11.3標注數據集198
11.3.1安裝LabelImg198
11.3.2使用LabelImg198
11.3.3生成圖像列表201
11.4訓練模型202
11.4.1預訓練模型處理202
11.4.2開始訓練203
11.5評估模型204
11.6預測圖片205
11.6.1獲取預測結果205
11.6.2顯示預測結果206
11.7小結208
2章 使用PaddlePaddle Fluid209
12.1引言209
12.2Fluid版本209
12.3定義神經網絡210
12.4訓練程序212
12.4.1定義數據213
12.4.2定義平均正確率213
12.4.3定義測試程序213
12.4.4定義優化方法214
12.5訓練模型214
12.5.1定義調試器215
12.5.2獲取數據215
12.5.3開始訓練216
12.5.4保存預測模型217
12.6預測模型217
12.7小結219
3章 可視化工具VisualDL的使用220
13.1引言220
13.2VisualDL的介紹220
13.3VisualDL的安裝222
13.3.1使用pip安裝223
13.3.2使用源碼安裝224
13.4簡單使用VisualDL224
13.5在PaddlePaddle中使用VisualDL226
13.5.1定義VisualDL組件226
13.5.2編寫PaddlePaddle代碼227
13.5.3把數據添加到VisualDL中229
13.6小結232
4章 把PaddlePaddle部署到網站服務器上233
14.1引言233
14.2開發環境233
14.3Flask的使用234
14.3.1安裝Flask234
14.3.2測試Flask框架是否安裝成功234
14.3.3文件上傳235
14.4使用PaddlePaddle預測237
14.4.1獲取預測模型237
14.4.2部署PaddlePaddle238
14.5小結242
5章 把PaddlePaddle應用到Android手機244
15.1引言244
15.2編譯PaddlePaddle庫244
15.2.1使用Docker編譯PaddlePaddle庫244
15.2.2使用Linux編譯PaddlePaddle庫247
15.3MobileNet神經網絡250
15.4訓練模型254
15.5編寫預測代碼258
15.6合並模型261
15.7移植到Android262
15.7.1加載PaddlePaddle庫262
15.7.2加載合並的模型263
15.7.3開發Android程序263
15.8小結272

本書全面講解了深度學習框架PaddlePaddle，並結合典型案例，闡述了PaddlePaddle的具體應用。本書共15章。章介紹了深度學習及其主流框架；第2章介紹了幾種不同的PaddlePaddle安裝方式；第3章使用MNIST數據集實現手寫數字識別；第4章介紹CIFAR彩色圖像識別；第5章介紹了自定義數據集的識別；第6章介紹了驗證碼的識別；第7章介紹了場景文字的識別；第8章實現了驗證碼的端到端的識別；第9～11章講解了車牌識別、使用SSD神經網絡完成目標檢測；2章和3章介紹了Fluid、可視化工具VisualDL；4章和5章介紹了如何在服務器端與Android移動終端使用PaddlePaddle進行項目實踐。
本書適合機器學習愛好者、程序員、人工智能方面的從業人員閱讀，也可以作為大專院校相關專業的師生用書和培訓學校的教材。