深度学习：主流框架和编程实战

封面

版权信息

前言

第1章 绪论

1.1 机器学习与深度学习

1.2 统计学与深度学习

1.3 本书涉及的深度学习框架

1.4 优化深度学习的方法

1.5 深度学习展望

第2章 TensorFlow深度学习框架构建方法与图像分类的实现

2.1 TensorFlow概述

2.2 TensorFlow框架安装

2.3 基于TensorFlow框架的图像分类实现（ResNet-34）

第3章 Caffe深度学习框架搭建与图像语义分割的实现

3.1 Caffe概述

3.2 Caffe框架安装与调试

3.3 基于Caffe框架的图像分割实现（FCN）

第4章 Torch深度学习框架搭建与目标检测的实现

4.1 Torch概述

4.2 Torch框架安装

4.3 基于Torch框架的目标检测实现（Faster R-CNN）

第5章 MXNet深度学习框架构建与自然语言处理的实现

5.1 MXNet概述

5.2 MXNet框架安装

5.3 基于MXNet框架的自然语言处理实现（LSTM）

第6章 迁移学习

6.1 迁移学习发展概述

6.2 迁移学习的类型与模型

6.3 迁移学习方法实例指导

第7章 并行计算与交叉验证

7.1 并行计算

7.2 交叉验证