热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

笔者新书出版啦

自从2017年开始接触PaddlePaddle深度学习框架开始,就喜欢这个框架,因为它是国内首个开源的深度学习框架,可以接触到Paddle

      自从2017年开始接触PaddlePaddle深度学习框架开始,就喜欢这个框架,因为它是国内首个开源的深度学习框架,可以接触到PaddlePaddle的国内资源,几乎可以跟PaddlePaddle的开发工程师面对面交流,笔者也是亲身体验过的。因此在导师与人民邮电出版社的编辑的帮助下,顺利完成了《深度学习实战之PaddlePaddle》一书。

    全书尽可能避开数学公式,以深度学习图像识别案例贯穿其中、由浅入深,从简单的手写数字识别、CIFAR彩色图像识别开始;到生活中广泛应用的验证码识别、车牌识别、场景文字识别;再到移动端、服务器端的深度学习应用。
着重帮助读者进行PaddlePaddle深度学习实践应用程序开发与解决问题能力的培养。

内容简介

640?wx_fmt=jpeg

    本书全面讲解了深度学习框架PaddlePaddle,并结合典型案例,阐述了PaddlePaddle的具体应用。本书共15章。

第 1 章介绍了深度学习及其主流框架;

第2章介绍了几种不同的PaddlePaddle安装方式;

第3章使用MNIST数据集实现手写数字识别;

第4章介绍CIFAR彩色图像识别;

第5章介绍了自定义数据集的识别;

第6章介绍了验证码的识别;

第7章介绍了场景文字的识别;

第8章实现了验证码的端到端的识别;

第9~11章讲解了车牌识别、使用SSD神经网络完成目标检测;

第12章和第13章介绍了Fluid、可视化工具VisualDL;

第 14 章和第 15 章介绍了如何在服务器端与Android移动终端使用PaddlePaddle进行项目实践。 
本书适合机器学习爱好者、程序员、人工智能方面的从业人员阅读,也可以作为大专院校相关专业的师生用书和培训学校的教材。

 

笔者分享

其实,在接触PaddlePaddle之前,我使用的人工智能技术,如人脸识别仅仅是通过调用第三方的API接口,对人工智能了解是全然不知。一次偶然的机会,我了解到PaddlePaddle这个深度学习框架,就尝试着去了解和学习这个框架,在学习过程中PaddlePaddle的工程是给了我很大的帮助,使得我很快就掌握PaddlePaddle的基本用法。在2017年的时候PaddlePaddle的资料非常少,能够在网上查到的教程寥寥无几,而我在学习过程中也通常会到不少的问题。 我有写博客的习惯,所以那时候我就下决心在博客上写一个PaddlePaddle的系列教程。

经过几个月的学习,我终于完成了《我的PaddlePaddle学习之路》这个教程专栏。我的老师了解到这个专栏之后,建议我把它写成一本书,也是偶然的机会中我遇到了人民邮电出版社的编辑,我跟他说了一下我和我老师的一这个想法,他也非常支持。接着就和我的老师们把这个系列整理成一本书。最终在今年五月底的时候正式发售。在写这些教程的时候我并没有打算写成一本书,只是想通过博客教程的方式,让更多学习PaddlePaddle的同学能够更快的查阅到自己想要的教程资料。无心插柳柳成荫,最终转化成了一本书。我非常感谢我的老师们,还有人民邮电出版社的编辑。如果不是他们也不会有《深度学习实战之PaddlePaddle》这本书的出版。我希望能够通过这本书,能帮助更多学习PaddlePaddle的同学,希望你们能够在这本书上有所收获。

如果还没有发现自己喜欢什么,那就不断地去寻找,不要急于做出决定。就像一切要凭着感觉去做的事情一样,一旦找到了自己喜欢的事,感觉就会告诉你。就像任何一种美妙的东西,历久弥新。所以说,要不断地寻找,直到找到自己喜欢的东西。

 

最后附上我们的书籍购买链接,希望有兴趣了解PaddlePaddle的小伙伴能够从中本书的实战中获得启发。

640?wx_fmt=png640?wx_fmt=png

 

京东在线购买链接:https://item.jd.com/12618064.html#

天猫在线购买链接:https://detail.tmall.com/item.htm?id=595752914149

 


推荐阅读
  • 01基本环境win10vs2015Gitpython3.5.3cmake-gui(3.7.2)caffe2github地址:https:github.com ... [详细]
  • 表面缺陷检测数据集综述及GitHub开源项目推荐
    本文综述了表面缺陷检测领域的数据集,并推荐了多个GitHub上的开源项目。通过对现有文献和数据集的系统整理,为研究人员提供了全面的资源参考,有助于推动该领域的发展和技术进步。 ... [详细]
  • 本文深入探讨了原型模式在软件设计中的应用与实现。原型模式通过使用已有的实例作为原型来创建新对象,而不是直接通过类实例化。这种方式不仅简化了对象的创建过程,还提高了系统的灵活性和效率。具体来说,原型模式涉及一个支持克隆功能的接口或基类,子类通过实现该接口来提供具体的克隆方法,从而实现对象的快速复制。此外,文章还详细分析了原型模式的优缺点及其在实际项目中的应用场景,为开发者提供了实用的指导和建议。 ... [详细]
  • 新年伊始,正是学习的最佳时机。本文全面解析了CK1957-Zookeeper的核心概念与实践技巧,旨在帮助初学者快速掌握这一深度学习工具。通过详细的理论讲解和实际操作示例,读者可以更好地理解Zookeeper的工作原理及其在分布式系统中的应用。无论是新手还是有一定基础的学习者,都能从中受益匪浅。 ... [详细]
  • 本文探讨了在Android应用中实现动态滚动文本显示控件的优化方法。通过详细分析焦点管理机制,特别是通过设置返回值为`true`来确保焦点不会被其他控件抢占,从而提升滚动文本的流畅性和用户体验。具体实现中,对`MarqueeText.java`进行了代码层面的优化,增强了控件的稳定性和兼容性。 ... [详细]
  • 在 Android 开发中,通过合理利用系统通知服务,可以显著提升应用的用户交互体验。针对 Android 8.0 及以上版本,开发者需首先创建并注册通知渠道。本文将详细介绍如何在应用中实现这一功能,包括初始化通知管理器、创建通知渠道以及发送通知的具体步骤,帮助开发者更好地理解和应用这些技术细节。 ... [详细]
  • 当前,众多初创企业对全栈工程师的需求日益增长,但市场中却存在大量所谓的“伪全栈工程师”,尤其是那些仅掌握了Node.js技能的前端开发人员。本文旨在深入探讨全栈工程师在现代技术生态中的真实角色与价值,澄清对这一角色的误解,并强调真正的全栈工程师应具备全面的技术栈和综合解决问题的能力。 ... [详细]
  • 全新发布的自我修复与自我更新的Linux版本,专为云计算环境设计! ... [详细]
  • 在斯坦福大学的公开课中,详细探讨了多变量线性回归在机器学习中的应用与解析。课程内容涵盖了多维特征的处理方法,以及如何通过多变量梯度下降算法优化模型参数,为理解和实现复杂的回归问题提供了坚实的理论基础和实践指导。 ... [详细]
  • 在第七天的深度学习课程中,我们将重点探讨DGL框架的高级应用,特别是在官方文档指导下进行数据集的下载与预处理。通过详细的步骤说明和实用技巧,帮助读者高效地构建和优化图神经网络的数据管道。此外,我们还将介绍如何利用DGL提供的模块化工具,实现数据的快速加载和预处理,以提升模型训练的效率和准确性。 ... [详细]
  • 浏览器与服务器在网站访问过程中的数据交互分析
    本文分析了浏览器与服务器在网站访问过程中基于HTTP协议的数据交互机制。HTTP协议具有轻量级和高效通信的特点,主要通过GET、HEAD和POST方法进行数据传输。其“请求-响应”模式确保了数据交互的有序性和可靠性,同时支持多种数据格式和内容类型,为现代Web应用提供了坚实的基础。 ... [详细]
  • 图像分类:KNN算法(K—最近邻算法) 一.定义 定义:KNN是通过测量不同特征值之间的距离进行分类。它的的思路是ÿ ... [详细]
  • {moduleinfo:{card_count:[{count_phone:1,count:1}],search_count:[{count_phone:4 ... [详细]
  • 在PC端,视口指的是浏览器的可视区域,其宽度和浏览器窗口的宽度保持一致。在CSS标准文档中,视口也被称为初始包含块,它是所有 ... [详细]
  • 深入解析Java内存架构、垃圾回收机制与内存泄漏问题
    Java内存架构(Java内存模型)上面是堆的Java内存模型以及Java虚拟机(JVM)中运行的任何Java应用程序的Pe ... [详细]
author-avatar
mobiledu2502926503
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有