本書較為全面地介紹深度學訓練、計算機視覺模型應用、自然語言處理模型應用等技術。全書共9個項目括深度學接神經網絡應用、深度學神經網絡應用、深度學訓練——循環神經網絡應用、計算機視覺模型數據準備、計算機視覺模型訓練與應用、計算機視覺模型部署、自然語言處理預訓練模型數據準備、自然語言處理預訓練模型訓練與應用、自然語言處理模型部署等。本書以滿足企業用人需求為導向、以崗位技能和綜合素質培養為核心，通過理論與實戰相結合的方式，培養能夠根據深度學需求，完成模型訓練、模型應用及預訓練模型遷移學作的人纔。

本書適用於“1+X”制度試點工作中的人工智能深度學應用職業技能等級（中級）的教學和培訓，也適合作為中等職業學校、高等職業學校、應用型本科院校人工智能相關專業的教材，還適合作為需充實深度學開發知識的技術人員的參考用書。

第 1篇 深度學訓練 pan>

項目１ 深度學接神經網絡應用 2

項目描述 2

知識準備 2

1．1深度學任務 2

1．1．1深度學任務的概念 2

1．1．2深度學任務的類型 3

1．1．3分類任務與回歸任務的區別 3

1．2全連接神經網絡 3

1．3激活函數 4

1．3．1Sigmoid()函數 4

1．3．2ReLU()函數 5

1．3．3Softmax()函數 6

1．4交叉熵損失函數 7

1．5手寫數字識別數據集 7

1．6全連接神經網絡的訓練方法 8

項目實施 通過全連接神經網絡識別手寫數字 8

1．7實施思路 8

1．8實施步驟 9

知識拓展 15

課後實訓 15

項目２ 深度學神經網絡應用 16

項目描述 16

知識準備 16

2．1卷積神經網絡的概念 16

2．2卷積層 17

2．2．1卷積計算 17

2．2．2步長 18

2．2．3填充 19

2．2．4多通道卷積 19

2．3池化層 2pan>

2．4如何訓練卷積神經網絡 2pan>

項目實施 通過卷積神經網絡識別手寫數字 22

2．5實施思路 22

2．6實施步驟 22

知識拓展 3pan>

課後實訓 32

項目３ 深度學訓練——循環神經網絡應用 33

項目描述 33

知識準備 34

3．1循環神經網絡的常見類型 34

3．2循環神經網絡的基本結構 34

3．2．1輸入層 35

3．2．2隱藏層 35

3．2．3輸出層 35

3．3簡單循環神經網絡——SimpleRNN 36

3．4循環神經網絡的構建與訓練方法 37

項目實施 通過循環神經網絡預測時序數據 37

3．5實施思路 37

3．6實施步驟 38

知識拓展 44

課後實訓 44

第 2篇 計算機視覺模型應用 45

項目４ 計算機視覺模型數據準備 46

項目描述 46

知識準備 47

4．1常見的計算機視覺數據集及格式 47

4．1．1CIFAR-10、CIFAR-100數據集 47

4．1．2ImageNet數據集 48

4．1．3MS COCO數據集 48

4．1．4PASCAL VOC數據集 49

4．2PleX介紹 49

4．3PleX的圖像分類數據集的加載方法 50

4．3．1使用plex．datasets．ImageNet()函數加載數據集 50

4．3．2使用plex．datasets．VOCDetection()函數加載數據集 5pan>

4．3．3使用plex．datasets．CocoDetection()函數加載數據集 52

4．4PleX的圖像分類數據處理函數 53

4．4．1RandomCrop()函數 53

4．4．2RandomHorizontalFlip()函數 53

4．4．3RandomDistort()函數 53

4．4．4Normalize()函數 54

4．4．5其他數據處理函數 54

項目實施 拆分和驗證垃圾分類數據集 55

4．5實施思路 55

4．6實施步驟 55

知識拓展 62

課後實訓 63

項目5 計算機視覺模型訓練

與應用 64

項目描述 64

知識準備 64

5．1計算機視覺領域的基本任務 64

5．2圖像分類任務常用網絡 66

5．2．Net 66

5．2．2DenseNet 67

5．2．3AlexNet 68

5．2．4MobileNet 69

項目實施 訓練垃圾分類模型 69

5．3實施思路 69

5．4實施步驟 70

知識拓展 72

課後實訓 74

項目６ 計算機視覺模型部署 75

項目描述 75

知識準備 76

6．1計算機視覺模型應用案例 76

6．2PleX本地部署 76

6．2．1模型導出 77

6．2．2模型部署預測 77

6．3PleX邊緣設備部署 79

6．3．1 智慧操作臺 79

6．3．2 智慧工業操作臺 79

6．3．3 人工智能端側開發套件 79

6．3．4 人工智能邊緣開發設備 79

項目實施 部署垃圾分類模型到邊緣設備 80

6．4實施思路 80

6．5實施步驟 8pan>

知識拓展 87

課後實訓 88

第3篇 自然語言處理模型應用 89

項目7 自然語言處理預訓練模型數據準備 90

項目描述 90

知識準備 90

7．1自然語言處理的數據集及格式 90

7．1．1DuEE數據集 9pan>

7．1．2BSTC數據集 9pan>

7．1．38類情感分類數據集 92

7．2PleHub介紹 93

7．3文本分類數據法 94

7．4文本分類數據集加載方法 94

7．4．1文本分類數據集加載過程 94

7．4．2數據集加載 95

項目實施 處理、拆分和加載情感

分類數據集 97

7．5實施思路 97

7．6實施步驟 97

知識拓展 105

課後實訓 106

項目８ 自然語言處理預訓練模型訓練與應用 107

項目描述 107

知識準備 107

8．1自然語言處理基本任務 107

8．2文本分類任務 108

8．2．1文本預處理 108

8．2．2文本表示 108

8．2．3分類模型構建 109

項目實施 配置、訓練和評估情感

分類模型 110

8．3實施思路 110

8．4實施步驟 110

知識拓展 114

課後實訓 115

項目９ 自然語言處理模型部署 116

項目描述 116

知識準備 116

9．1服務端部署應用案例 116

9．2PleHub本地部署 117

9．3PleHub服務端部署 117

9．3．1命令行啟動 117

9．3．2配置文件啟動 118

項目實施 部署情感分類模型 119

9．4實施思路 119

9．5PleHub本地部署實施步驟 119

9．6PleHub服務端部署實施步驟 12pan>

9．6．1命令行啟動 122

9．6．2 配置文件啟動 124

知識拓展 127

課後實訓 128

1. 引入百度人工智能工臺技術和產業實際案例，深化產教融合

2. 以“崗課賽證”融通為設計思路，培養高素質技術技能型人纔

3．理論與實踐緊密結合，注重動手能力的培養

4. 百度1+X人工智能深度學應用職業技能等級配套教材

羅卿，男，工學博士，現主要從事軟件技術專業人工智能方向的教學和研究工作，研究方向為人工智能、深度學與過多項國家自然科學項目和電子信息產業發展項目，至今已發表教科研論文11篇，其中多篇論文由EI和SCI檢索，獲得國家授權發明專利2項。