PyTorch深度學習與電腦視覺實踐

目    錄

第1章  深度學習與電腦視覺 1

1.1  深度學習的歷史與發展 1

1.1.1  深度學習的起源 2

1.1.2  深度學習的發展脈絡 3

1.1.3  為什麽是PyTorch 2.0 3

1.2  電腦視覺之路 4

1.2.1  電腦視覺的基本概念 4

1.2.2  電腦視覺深度學習的主要任務 5

1.2.3  電腦視覺中的深度學習方法 6

1.2.4  深度學習在電腦視覺中的應用 7

1.3  本章小結 8

第2章  PyTorch 2.0深度學習環境搭建 9

2.1  環境搭建1：安裝Python 9

2.1.1  Miniconda的下載與安裝 9

2.1.2  PyCharm的下載與安裝 12

2.1.3  Python代碼小練習：計算softmax函數 16

2.2  環境搭建2：安裝PyTorch 2.0 17

2.2.1  NVIDIA 10/20/30/40系列顯卡選擇的GPU版本 17

2.2.2  PyTorch 2.0 GPU NVIDIA運行庫的安裝 17

2.2.3  Hello PyTorch 19

2.3  Unet圖像降噪—第一個深度學習項目實戰 20

2.3.1  MNIST數據集的準備 20

2.3.2  MNIST數據集特徵介紹 22

2.3.3  Hello PyTorch 2.0—模型的準備和介紹 23

2.3.4  對目標的逼近—模型的損失函數與優化函數 25

2.3.5  Let’s do it！—基於深度學習的模型訓練 26

2.4  本章小結 28

第3章  從0開始PyTorch 2.0 30

3.1  實戰MNIST手寫體識別 30

3.1.1  數據圖像的獲取與標簽的說明 30

3.1.2  實戰基於PyTorch 2.0的手寫體識別模型 32

3.2  PyTorch 2.0常用函數解析與使用指南 36

3.2.1  數據加載和預處理 36

3.2.2  張量的處理 37

3.2.3  模型的參數與初始化操作 40

3.3  本章小結 42

第4章  一學就會的深度學習基礎算法 43

4.1  反向傳播神經網絡的發展歷程 43

4.2  反向傳播神經網絡的兩個基礎算法詳解 46

4.2.1  最小二乘法 46

4.2.2  隨機梯度下降算法 49

4.2.3  最小二乘法的梯度下降算法及其Python實現 52

4.3  反饋神經網絡反向傳播算法介紹 58

4.3.1  深度學習基礎 58

4.3.2  鏈式求導法則 59

4.3.3  反饋神經網絡原理與公式推導 60

4.3.4  反饋神經網絡原理的激活函數 65

4.3.5  反饋神經網絡原理的Python實現 66

4.4  本章小結 70

第5章  基於PyTorch捲積層的MNIST分類實戰 71

5.1  捲積運算的基本概念 71

5.1.1  基本捲積運算示例 72

5.1.2  PyTorch中捲積函數實現詳解 73

5.1.3  池化運算 76

5.1.4  softmax激活函數 77

5.1.5  捲積神經網絡原理 78

5.2  基於捲積的MNIST手寫體分類 80

5.2.1  數據的準備 81

5.2.2  模型的設計 81

5.2.3  基於捲積的MNIST分類模型 82

5.3  PyTorch的深度可分離膨脹捲積詳解 83

5.3.1  深度可分離捲積的定義 84

5.3.2  深度的定義以及不同計算層待訓練參數的比較 86

5.3.3  膨脹捲積詳解 86

5.3.4  PyTorch中基於深度可分離膨脹捲積的MNIST手寫體識別 87

5.4  本章小結 89

第6章  PyTorch數據處理與模型可視化 90

6.1  用於自定義數據集的torch.utils.data工具箱的用法 91

6.1.1  使用torch.utils.data. Dataset封裝自定義數據集 91

6.1.2  改變數據類型的Dataset類中的transform詳解 93

6.1.3  批量輸出數據的DataLoader類詳解 97

6.2  基於tensorboardX的訓練可視化展示 99

6.2.1  PyTorch 2.0模型可視化組件tensorboardX的安裝 99

6.2.2  tensorboardX可視化組件的使用 100

6.2.3  tensorboardX對模型訓練過程的展示 102

6.3  本章小結 105

第7章  殘差神經網絡實戰 106

7.1  ResNet的原理與程序設計基礎 107

7.1.1  ResNet誕生的背景 107

7.1.2  不要重復造輪子—PyTorch 2.0中的模塊 110

7.1.3  ResNet殘差模塊的實現 111

7.1.4  ResNet的實現 113

7.2  ResNet實戰：CIFAR-10數據集分類 116

7.2.1  CIFAR-10數據集簡介 116

7.2.2  基於ResNet的CIFAR-10數據集分類 119

7.3  本章小結 121

第8章  基於OpenCV與PyTorch的人臉識別實戰 122

8.1  找到人臉—人臉識別數據集的建立 123

8.1.1  LFW數據集簡介 123

8.1.2  Dlib庫簡介 124

8.1.3  OpenCV簡介 125

8.1.4  使用Dlib檢測人臉位置 125

8.1.5  使用Dlib和OpenCV製作人臉檢測數據集 129

8.1.6  基於人臉定位製作適配深度學習的人臉識別數據集地址路徑 131

8.2  人臉是誰—基於深度學習的人臉識別模型基本架構 135

8.2.1  人臉識別的基本模型SiameseModel 135

8.2.2  基於PyTorch 2.0的SiameseModel的實現 136

8.2.3  人臉識別的Contrastive Loss詳解與實現 137

8.2.4  基於PyTorch 2.0的人臉識別模型 138

8.3  本章小結 141

 

第9章  詞映射與循環神經網絡 142

9.1  櫻桃－紅色+紫色=？—有趣的詞映射 142

9.1.1  什麽是詞映射 143

9.1.2  PyTorch中embedding的處理函數詳解 144

9.2  循環神經網絡與情感分類實戰 145

9.2.1  基於循環神經網絡的中文情感分類實戰的準備工作 145

9.2.2  基於循環神經網絡的中文情感分類實戰 147

9.3  循環神經網絡理論講解 150

9.3.1  什麽是GRU 150

9.3.2  單向不行，那就雙向 152

9.4  本章小結 153

第10章  註意力機制與註意力模型詳解 154

10.1  註意力機制與模型詳解 154

10.1.1  註意力機制詳解 155

10.1.2  自註意力機制 156

10.1.3  ticks和LayerNormalization 162

10.1.4  多頭註意力 163

10.2  註意力機制的應用實踐—編碼器 166

10.2.1  編碼器總體架構 166

10.2.2  回到輸入層—初始詞向量層和位置編碼器層 167

10.2.3  前饋層的實現 170

10.2.4  編碼器的實現 171

10.3  實戰編碼器—自然語言轉換模型 174

10.3.1  漢字拼音數據集處理 174

10.3.2  漢字拼音轉換模型的確定 176

10.3.3  模型訓練部分的編寫 179

10.3.4  補充說明 181

10.4  本章小結 182

第11章  開局一幅圖—基於註意力機制的圖像識別實戰 183

11.1  基於註意力的圖像識別模型Vision Transformer 183

11.1.1  Vision Transformer 整體結構 183

11.1.2  Patch Embedding 185

11.1.3  Transformer Encoder層 187

11.1.4  完整的Vision Transformer架構設計 190

11.2  基於Vision Transformer的mini_ImageNet實戰 191

11.2.1  mini_ImageNet數據集的簡介與下載 191

11.2.2  mini_ImageNet數據集的處理—基於PyTorch 2.0專用數據處理類 193

11.2.3  Vision Transformer模型設計 195

11.2.4  Vision Transformer模型的訓練 196

11.2.5  基於現有Vision Transformer包的模型初始化 198

11.3  提升Vision Transformer模型準確率的一些技巧 198

11.3.1  模型的可解釋性—註意力熱圖的可視化實現 198

11.3.2  PyTorch 2.0中圖像增強方法詳解 201

11.4  本章小結 206

第12章  內容全靠編—基於Diffusion Model的從隨機到可控的圖像生成實戰 207

12.1  Diffusion Model實戰MNIST手寫體生成 207

12.1.1  Diffusion Model的傳播流程 208

12.1.2  直接運行的DDPM的模型訓練實戰 209

12.1.3  DDPM的基本模塊說明 212

12.1.4  DDPM加噪與去噪詳解 215

12.1.5  DDPM的損失函數 220

12.2  可控的Diffusion Model生成實戰—指定數字生成MNIST手寫體 221

12.2.1  Diffusion Model可控生成的基礎—特徵融合 221

12.2.2  Diffusion Model可控生成的代碼實戰 221

12.3  加速的Diffusion Model生成實戰—DDIM 223

12.3.1  直接運行的少步驟的DDIM手寫體生成實戰 224

12.3.2  DDIM的預測傳播流程 226

12.4  本章小結 228

第13章  認清物與位—基於註意力的單目攝像頭目標檢測實戰 230

13.1  目標檢測基本概念詳解 231

13.1.1  基於註意力機制的目標檢測模型DETR 231

13.1.2  目標檢測基本概念（註意力機制出現之前） 232

13.1.3  目標檢測基本概念（註意力機制出現之後） 233

13.2  基於註意力機制的目標檢測模型DETR詳解 237

13.2.1  基於預訓練DETR模型實現的實用化目標檢測網頁 237

13.2.2  基於註意力的目標檢測模型DETR 239

13.3  DETR模型的損失函數 243

13.3.1  一看就會的二分圖匹配算法 243

13.3.2  基於二分圖匹配算法的目標檢測的最佳組合 245

13.3.3  DETR中的損失函數 250

13.3.4  解決batch中tensor維度不一致的打包問題 253

13.4  基於DETR的目標檢測自定義數據集實戰 254

13.4.1  VOC數據集簡介與數據讀取 254

13.4.2  基於PyTorch中的Dataset的數據輸入類 257

13.4.3  基於DETR的自定義目標檢測實戰 259

13.5  本章小結 261

第14章  凝思辨真顏—基於註意力與Unet的全畫幅適配圖像全景分割實戰 262

14.1  圖像分割的基本形式與數據集處理 262

14.1.1  圖像分割的應用 263

14.1.2  基於預訓練模型的圖像分割預測示例 264

14.2  基於註意力與Unet的圖像分割模型SwinUnet 267

14.2.1  基於全畫幅註意力的 Swin Transformer詳解 268

14.2.2  經典圖像分割模型Unet詳解 270

14.3  基於SwinUnet的圖像分割實戰 271

14.3.1  圖像分割的label圖像處理 271

14.3.2  圖像分割的VOC數據集處理 274

14.3.3  圖像分割損失函數DiceLoss詳解 276

14.3.4  基於SwinUnet的圖像分割實戰 278

14.4  本章小結 279

第15章  誰還用GAN—基於預訓練模型的可控零樣本圖像遷移合成實戰 281

15.1  基於預訓練模型的可控零樣本圖像風格遷移實戰 281

15.1.1  實戰基於預訓練模型的可控零樣本圖像風格遷移 282

15.1.2  詳解可控零樣本圖像風格遷移模型 283

15.2  基於預訓練模型的零樣本圖像風格遷移實戰 284

15.2.1  Vision Transformer架構的DINO模型 285

15.2.2  風格遷移模型Splicing詳解 287

15.2.3  逐行講解風格遷移模型Splicing的損失函數 291

15.3  本章小結 296