深度學習實戰(zhàn)之PaddlePaddle

目　錄

第　1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(shù)學基礎知識　3
1．3．1　線性代數(shù)相關知識　3
1．3．2　概率論相關知識　10
1．3．3　導數(shù)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　從源碼編譯并生成安裝包　25
2．6．1　在本地編譯并生成安裝包　25
2．6．2　在Docker中編譯并生成
安裝包　28
2．7　編譯Docker鏡像　29
2．8　在Windows操作系統(tǒng)中安裝
PaddlePaddle的方法　30
2．8．1　在Windows系統(tǒng)中安裝
Docker容器　30
2．8．2　在Windows系統(tǒng)中
安裝Ubuntu　35
2．8．3　在Windows 10中安裝Linux
子系統(tǒng)　41
2．9　測試安裝效果　43
2．10　小結　45
第3章　使用MNIST數(shù)據(jù)集實現(xiàn)手寫
數(shù)字識別　46
3．1　引言　46
3．2　數(shù)據(jù)集　46
3．3　定義神經(jīng)網(wǎng)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Paddle　51
3．4．3　獲取訓練器　51
3．4．4　開始訓練　52
3．5　使用參數(shù)預測　54
3．5．1　初始化PaddlePaddle　54
3．5．2　獲取訓練好的參數(shù)　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(shù)據(jù)集中彩色圖像的
識別　57
4．1　引言　57
4．2　數(shù)據(jù)集　57
4．3　定義神經(jīng)網(wǎng)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Paddle　62
4．4．3　獲取參數(shù)　62
4．4．4　創(chuàng)建訓練器　63
4．4．5　開始訓練　64
4．5　使用參數(shù)預測　67
4．6　使用其他神經(jīng)模型　69
4．7　小結　70
第5章　自定義圖像數(shù)據(jù)集的識別　72
5．1　引言　72
5．2　網(wǎng)絡爬蟲技術　72
5．2．1　網(wǎng)絡爬蟲的整體框架　72
5．2．2　URL管理器　74
5．2．3　網(wǎng)頁下載器　75
5．2．4　網(wǎng)頁解析器　76
5．3　網(wǎng)絡爬蟲實例　77
5．3．1　調度器的使用　79
5．3．2　URL管理器的使用　80
5．3．3　網(wǎng)頁下載器的使用　81
5．3．4　網(wǎng)頁解析器的使用　82
5．3．5　數(shù)據(jù)收集器的使用　83
5．3．6　運行代碼　84
5．4　數(shù)據(jù)集　88
5．4．1　生成圖像列表　89
5．4．2　讀取數(shù)據(jù)　92
5．5　定義神經(jīng)網(wǎng)絡　96
5．6　使用PaddlePaddle開始訓練　97
5．6．1　創(chuàng)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(shù)據(jù)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(shù)據(jù)　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(shù)據(jù)集　122
7．3　定義神經(jīng)網(wǎng)絡模型　123
7．4　數(shù)據(jù)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(shù)據(jù)　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(shù)據(jù)集　141
8．3　生成圖像列表文件　143
8．4　數(shù)據(jù)的讀取　144
8．4．1　讀取數(shù)據(jù)并存儲成列表　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(shù)據(jù)　146
8．5　定義網(wǎng)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(shù)據(jù)的采集　157
9．2．1　車牌數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)　165
9．3．3　生成和讀取標簽字典　166
9．3．4　訓練數(shù)據(jù)和測試數(shù)據(jù)的
讀取　167
9．4　定義神經(jīng)網(wǎng)絡　169
9．5　開始訓練　171
9．6　開始預測　173
9．7　小結　176
第　10章 使用VOC數(shù)據(jù)集實現(xiàn)目標
檢測　177
10．1　引言　177
10．2　VOC數(shù)據(jù)集　177
10．2．1　下載VOC數(shù)據(jù)集　178
10．2．2　生成圖像列表　179
10．3　數(shù)據(jù)預處理　180
10．4　SSD神經(jīng)網(wǎng)絡　182
10．5　訓練模型　186
10．6　評估模型　189
10．7　預測數(shù)據(jù)　191
10．7．1　預測并保存預測
結果　191
10．7．2　顯示畫出的框　193
10．8　小結　195
第　11章 通過自定義圖像數(shù)據(jù)集實現(xiàn)
目標檢測　196
11．1　引言　196
11．2　數(shù)據(jù)集　196
11．2．1　下載車牌數(shù)據(jù)　196
11．2．2　重命名圖像　197
11．3　標注數(shù)據(jù)集　198
11．3．1　安裝LabelImg　198
11．3．2　使用LabelImg　198
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
第　12章 使用PaddlePaddle Fluid　209
12．1　引言　209
12．2　Fluid版本　209
12．3　定義神經(jīng)網(wǎng)絡　210
12．4　訓練程序　212
12．4．1　定義數(shù)據(jù)　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(yōu)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(shù)據(jù)　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
第　13章 可視化工具VisualDL的
使用　220
13．1　引言　220
13．2　VisualDL的介紹　220
13．3　VisualDL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VisualDL　224
13．5　在PaddlePaddle中使用
VisualDL　226
13．5．1　定義VisualDL
組件　226
13．5．2　編寫PaddlePaddle
代碼　227
13．5．3　把數(shù)據(jù)添加到
VisualDL中　229
13．6　小結　232
第　14章 把PaddlePaddle部署到網(wǎng)站
服務器上　233
14．1　引言　233
14．2　開發(fā)環(huán)境　233
14．3　Flask的使用　234
14．3．1　安裝Flask　234
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PaddlePaddle　238
14．5　小結　242
第　15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
15．3　MobileNet神經(jīng)網(wǎng)絡　250
15．4　訓練模型　254
15．5　編寫預測代碼　258
15．6　合并模型　261
15．7　移植到Android　262
15．7．1　加載PaddlePaddle庫　262
15．7．2　加載合并的模型　263
15．7．3　開發(fā)Android程序　263
15．8　小結　272