深度學習實戰 Practical Deep Learning for Cloud, Mobile, and Edge Real-World AI & Computer-Vision Projects Using Python, Keras & TensorFlow

Anirudh Koul,Siddha Ganju,Meher Kasam 李新葉

商品描述

用Keras、TensorFlow、Core ML,以及TensorFlow Lite訓練、微調並發布計算機視覺模型。
為不同設備開發AI應用,包括Raspberry Pi、Jetson Nano,以及Google Coral。
探索有趣的項目,從矽谷“熱狗識別”應用程序到谷歌規模的圖像搜索,以及40多個案例研究和行業實例。
在電子遊戲環境中模擬一輛自動駕駛汽車並用強化學習構建一個微型版自動駕駛汽車。
使用遷移學習在幾分鐘內訓練模型。
發現50多個實用技巧,用以最Z大化模型準確度和速度、調試程序,
以及將應用擴展到數百萬用戶規模。

作者簡介

Anirudh Koul

是Al for Good的先驅,同時也是UN和TEDx的發言人,還是微軟人工智能與研究中心的資深科學家,
他在那裡創立了Seeing Al,這是繼iPhone之後盲人社區最常用的技術。


Siddha Ganju
是NVIDIA的自動駕駛設計師。
她曾入選福布斯2019年“30位30歲以下商業領袖”的排行榜。
此前,她在Deep Vision為資源受限的邊緣設備開發了深度學習模型。

 

Meher Kasam
是一位經驗豐富的軟件開發人員,所開發的應用程序每天都有上千萬用戶使用。
他為Square和微軟的一系列應用提供了功能,從Square的銷售點(POS)APP到微軟必應(Bing)APP。

目錄大綱

前言 1
第1 章 探索人工智能前景 15
致歉 16
真正的介紹 17
什麼是人工智能? 17
人工智能簡史 20
激動人心的開始 21
寒冷黑暗的日子 22
一線希望 23
深度學習是如何興盛的 26
完美深度學習解決方案的組成要素 29
數據集 30
模型結構 32
框架 35
硬件 38
負責任的人工智能 41
偏差 43
責任和可解釋性 45
再現性 46
穩健性 46
隱私 47
總結 47
常見問題 48

第2 章 圖片中有什麼:用Keras 實現圖像分類 51
Keras 簡介 52
預測圖像類別 53
調查模型 58
ImageNet 數據集 58
模型園 61
類激活圖 62
總結 65

第3 章 貓與狗:用Keras 在30 行代碼中實現
遷移學習 66
使預先訓練的模型適應新任務 67
卷積神經網絡初探 68
遷移學習 70
微調 71
微調多少 72
利用遷移學習和Keras 構建一個定制的分類器 73
組織數據 74
建立數據管道 76
類別數 77
批量大小 78
數據擴充 78
定義模型 82
訓練模型 82
設置訓練參數 82
開始訓練 84
測試模型 85
分析結果 86
進一步閱讀 93
總結 93

第4 章 構建反向圖像搜索引擎:理解嵌入 95
圖像相似性 96
特徵提取 99
相似性搜索 102
用t-SNE 可視化圖像簇 106
提高相似性搜索的速度 110
特徵向量長度 110
基於PCA 減少特徵長度 112
基於近似最近鄰方法擴展相似搜索 116
近似最近鄰基準 117
應該用哪個庫? 117
創建合成數據集 119
蠻力搜索 119
Annoy 119
NGT 120
Faiss 121
通過微調提高精度 121
用於一次人臉驗證的孿生網絡 126
案例研究 127
Flickr 127
Pinterest 128
與名人面貌相似者 129
Spotify 130
圖像描述 131
總結 133

第5 章 從初學者到掌握預測:最大化卷積神經網絡的
精度 134
工具介紹 135
TensorFlow Datasets 136
TensorBoard 137
What-If 工具 140