《PyTorch神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn) 移動(dòng)端圖像處理》讀書筆記思維導(dǎo)圖

PPT書籍導(dǎo)讀最新版本讀書筆記模板《PyTorch神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)移動(dòng)端圖像處理》最新版讀書筆記，下載可以直接修改網(wǎng)絡(luò)圖像數(shù)據(jù)函數(shù)模型損失文件小結(jié)深度訓(xùn)練風(fēng)格代碼模塊項(xiàng)目第章界面設(shè)計(jì)創(chuàng)建卷積參數(shù)本書關(guān)鍵字分析思維導(dǎo)圖01第1章人工智能與深度學(xué)習(xí)第3章Androic應(yīng)用構(gòu)建第5章圖像分割第2章PyTorch指南第4章圖像分類第6章低光照?qǐng)D像質(zhì)量增強(qiáng)目錄030502040607第7章GAN動(dòng)漫人臉生成第9章無監(jiān)督風(fēng)格互換第8章圖像風(fēng)格遷移目錄0908內(nèi)容摘要1.內(nèi)容新穎。使用新框架實(shí)現(xiàn)多種有趣的AI算法。2.實(shí)用性強(qiáng)。結(jié)合多個(gè)案例，手把手帶領(lǐng)讀者將模型部署到移動(dòng)端。第1章人工智能與深度學(xué)習(xí)1.1人工智能簡介1.2深度學(xué)習(xí)理論基礎(chǔ)1.3深度學(xué)習(xí)實(shí)踐細(xì)節(jié)1.4本章小結(jié)第1章人工智能與深度學(xué)習(xí)1.1.1人工智能的概念1.1.2人工智能的歷史1.1.3人工智能與深度學(xué)習(xí)的關(guān)系1.1.4深度學(xué)習(xí)的應(yīng)用1.1人工智能簡介1.2.1全連接層1.2.2卷積層1.2.3池化層1.2.4激活層1.2深度學(xué)習(xí)理論基礎(chǔ)1.2.5批歸一化層1.2.6隨機(jī)失活1.2.7損失函數(shù)1.2.8反向傳播1.2深度學(xué)習(xí)理論基礎(chǔ)1.3.1硬件選擇1.3.3網(wǎng)絡(luò)參數(shù)初始化1.3.2超參數(shù)設(shè)定1.3深度學(xué)習(xí)實(shí)踐細(xì)節(jié)第2章PyTorch指南2.1安裝與測試2.2核心模塊2.3模型構(gòu)建流程圖2.4張量Tensor2.5數(shù)據(jù)讀取與預(yù)處理2.6nn模塊與網(wǎng)絡(luò)構(gòu)建010302040506第2章PyTorch指南2.7train與eval模式2.8優(yōu)化器選擇與綁定2.9自動(dòng)求導(dǎo)機(jī)制與計(jì)算圖2.10模型保存與加載第2章PyTorch指南2.11模型設(shè)計(jì)和實(shí)現(xiàn)的完整流程2.12網(wǎng)絡(luò)結(jié)構(gòu)可視化2.13拓展閱讀2.14本章小結(jié)第2章PyTorch指南2.1.1安裝PyTorch和torc...2.1.3CPU和GPU切換2.1.2顯卡測試2.1安裝與測試2.4.1數(shù)值類型2.4.2創(chuàng)建方法2.4.3類型轉(zhuǎn)換2.4.4維度分析2.4.5常用操作123452.4張量Tensor2.5.1圖像讀取與存儲(chǔ)2.5.2調(diào)用PyTorch官方數(shù)據(jù)集2.5.3ImageFolder2.5.4圖像處理torchvisio...2.5數(shù)據(jù)讀取與預(yù)處理2.5.5數(shù)據(jù)讀取類Dataset2.5.7數(shù)據(jù)增強(qiáng)2.5.6DataLoader的創(chuàng)建和...2.5數(shù)據(jù)讀取與預(yù)處理2.6.1卷積模塊的使用2.6.2批歸一化層2.6.3池化層2.6.4全連接層2.6.5常用激活函數(shù)2.6.6邊緣填充0103020405062.6nn模塊與網(wǎng)絡(luò)構(gòu)建2.6.7Dropout層2.6.8損失函數(shù)層2.6.9模塊組合Sequential2.6.10網(wǎng)絡(luò)構(gòu)建實(shí)例2.6nn模塊與網(wǎng)絡(luò)構(gòu)建2.9.1requires_grad2.9.2自動(dòng)求導(dǎo)backward2.9.3葉子節(jié)點(diǎn)is_leaf2.9.4梯度函數(shù)grad_fn2.9自動(dòng)求導(dǎo)機(jī)制與計(jì)算圖2.9.5計(jì)算圖分離detach2.9.7關(guān)閉梯度計(jì)算no_grad2.9.6圖保持retain_grap...2.9自動(dòng)求導(dǎo)機(jī)制與計(jì)算圖2.10.1模型文件的保存2.10.2模型文件的加載2.10.3聯(lián)合保存與加載2.10.4保存與加載多個(gè)網(wǎng)絡(luò)模型2.10模型保存與加載2.11.1參數(shù)定義2.11.2準(zhǔn)備數(shù)據(jù)、定義存儲(chǔ)結(jié)果的容...2.11.3定義自編碼網(wǎng)絡(luò)2.11.4定義優(yōu)化器與損失函數(shù)2.11.5訓(xùn)練模型2.11.6效果分析0103020405062.11模型設(shè)計(jì)和實(shí)現(xiàn)的完整流程2.13.1學(xué)習(xí)率調(diào)整策略2.13.3參數(shù)初始化2.13.2獲取網(wǎng)絡(luò)的命名參數(shù)2.13拓展閱讀第3章Androic應(yīng)用構(gòu)建3.1AndroidStudio安裝...3.2Manifest文件3.3界面布局3.4項(xiàng)目主活動(dòng)與App啟動(dòng)3.5資源文件3.6核心控件使用010302040506第3章Androic應(yīng)用構(gòu)建3.7相機(jī)、相冊(cè)和圖像保存3.8生成APK3.9Bitmap格式3.10部署庫下載3.11移動(dòng)端神經(jīng)網(wǎng)絡(luò)實(shí)例3.12本章小結(jié)010302040506第3章Androic應(yīng)用構(gòu)建3.1.2創(chuàng)建Android項(xiàng)目3.1.1AndroidStudio...3.1AndroidStudio安裝...3.5.1顏色定義文件3.5.2字符串定義文件3.5.3形狀定義文件3.5.4圖像文件3.5資源文件3.6.1展示文字3.6.3按鈕和監(jiān)聽機(jī)制3.6.2展示圖像3.6核心控件使用3.8.2創(chuàng)建發(fā)布版APK3.8.1自定義APK圖標(biāo)與名稱3.8生成APK3.11.1定義神經(jīng)網(wǎng)絡(luò)3.11.2Python端導(dǎo)出pt文件3.11.3將pt文件移入Androi...3.11.4在Java代碼中加載神經(jīng)網(wǎng)...3.11.5讀取圖像并進(jìn)行縮放3.11.6構(gòu)建輸入張量0103020405063.11移動(dòng)端神經(jīng)網(wǎng)絡(luò)實(shí)例3.11.7進(jìn)行前向推理3.11.8處理輸出結(jié)果3.11.9界面設(shè)計(jì)3.11.10完整代碼與界面效果3.11移動(dòng)端神經(jīng)網(wǎng)絡(luò)實(shí)例第4章圖像分類4.1圖像分類概述4.2MobileNet介紹4.3深度可分離卷積4.4MobileNetV14.5MobileNetV24.6數(shù)據(jù)處理010302040506第4章圖像分類4.7模型訓(xùn)練4.9本章小結(jié)4.8圖像分類App第4章圖像分類4.4.2網(wǎng)絡(luò)搭建4.4.1網(wǎng)絡(luò)結(jié)構(gòu)4.4MobileNetV14.5.2網(wǎng)絡(luò)搭建4.5.1網(wǎng)絡(luò)結(jié)構(gòu)4.5MobileNetV24.6.1數(shù)據(jù)介紹4.6.3數(shù)據(jù)處理4.6.2KaggleAPI介紹4.6數(shù)據(jù)處理4.8.2分類推理與解析4.8.1分類功能界面設(shè)計(jì)4.8圖像分類App第5章圖像分割5.1前景背景與人像分割5.2圖像分割網(wǎng)絡(luò)5.3分割數(shù)據(jù)集構(gòu)建與讀取5.4分割網(wǎng)絡(luò)的訓(xùn)練與驗(yàn)證5.5人像分割A(yù)pp5.6本章小結(jié)010302040506第5章圖像分割5.2.1FCN5.2.3分割損失函數(shù)5.2.2UNet5.2圖像分割網(wǎng)絡(luò)5.3.1標(biāo)注工具介紹5.3.3成對(duì)圖像讀取與數(shù)據(jù)增強(qiáng)5.3.2分割數(shù)據(jù)集下載5.3分割數(shù)據(jù)集構(gòu)建與讀取5.4.1項(xiàng)目構(gòu)建與超參數(shù)設(shè)置5.4.2分割網(wǎng)絡(luò)訓(xùn)練5.4.3分割損失函數(shù)收斂性分析5.4.4人像分割測試5.4分割網(wǎng)絡(luò)的訓(xùn)練與驗(yàn)證5.5.2獲取掩碼與前景圖像應(yīng)用5.5.1分割功能界面設(shè)計(jì)5.5人像分割A(yù)pp第6章低光照?qǐng)D像質(zhì)量增強(qiáng)6.1伽馬變換與低光照?qǐng)D像6.2場景分析與像素直方圖6.3增強(qiáng)算法LLCNN6.4數(shù)據(jù)集構(gòu)建和下載第6章低光照?qǐng)D像質(zhì)量增強(qiáng)6.5增強(qiáng)網(wǎng)絡(luò)訓(xùn)練與驗(yàn)證6.7本章小結(jié)6.6低光照?qǐng)D像增強(qiáng)App第6章低光照?qǐng)D像質(zhì)量增強(qiáng)6.3.1殘差暗光增強(qiáng)網(wǎng)絡(luò)6.3.3增強(qiáng)損失函數(shù)6.3.2增強(qiáng)網(wǎng)絡(luò)實(shí)現(xiàn)6.3增強(qiáng)算法LLCNN6.5.1項(xiàng)目構(gòu)建6.5.2增強(qiáng)網(wǎng)絡(luò)訓(xùn)練6.5.3像素級(jí)損失函數(shù)收斂分析6.5.4增強(qiáng)算法能力驗(yàn)證6.5增強(qiáng)網(wǎng)絡(luò)訓(xùn)練與驗(yàn)證6.6.2模型前向推理6.6.1功能設(shè)定與界面設(shè)計(jì)6.6低光照?qǐng)D像增強(qiáng)App第7章GAN動(dòng)漫人臉生成7.1GAN動(dòng)漫人臉生成概述7.2深度卷積對(duì)抗網(wǎng)絡(luò)DCGAN7.3條件式對(duì)抗網(wǎng)絡(luò)CGAN7.4輔助分類對(duì)抗網(wǎng)絡(luò)ACGAN第7章GAN動(dòng)漫人臉生成7.5動(dòng)漫頭像生成App7.7本章小結(jié)7.6拓展閱讀第7章GAN動(dòng)漫人臉生成7.2.1生成器7.2.2判別器7.2.3損失函數(shù)7.2.4生成器搭建7.2.5判別器搭建7.2.6訓(xùn)練代碼0103020405067.2深度卷積對(duì)抗網(wǎng)絡(luò)DCGAN7.3.2CGAN實(shí)現(xiàn)7.3.1CGAN原理7.3條件式對(duì)抗網(wǎng)絡(luò)CGAN7.4.2ACGAN實(shí)現(xiàn)7.4.1ACGAN原理7.4輔助分類對(duì)抗網(wǎng)絡(luò)ACGAN7.5.2數(shù)據(jù)生成與解析7.5.1頭像生成界面設(shè)計(jì)7.5動(dòng)漫頭像生成App第8章圖像風(fēng)格遷移8.1風(fēng)格遷移概述8.2風(fēng)格遷移網(wǎng)絡(luò)8.3快速風(fēng)格遷移8.4圖像風(fēng)格化App8.5本章小結(jié)12345第8章圖像風(fēng)格遷移8.2.1基礎(chǔ)原理8.2.2內(nèi)容特征8.2.3風(fēng)格特征8.2.4重構(gòu)網(wǎng)絡(luò)8.2.5風(fēng)格遷移代碼實(shí)現(xiàn)123458.2風(fēng)格遷移網(wǎng)絡(luò)8.3.1生成網(wǎng)絡(luò)8.3.3快速風(fēng)格遷移代碼實(shí)現(xiàn)8.3.2損失網(wǎng)絡(luò)8.3快速風(fēng)格遷移8.4.2三種風(fēng)格的生成與解析8.4.1風(fēng)格化功能界面設(shè)計(jì)8.4圖像風(fēng)格化App第9章無監(jiān)督風(fēng)格互換9.1成對(duì)數(shù)據(jù)與不成對(duì)數(shù)據(jù)9.2cycleGAN原理與實(shí)現(xiàn)9.3兩種風(fēng)格數(shù)據(jù)集的構(gòu)建與讀取9.4無監(jiān)督訓(xùn)練與驗(yàn)證9.5水果風(fēng)格互換應(yīng)用9.6本章小結(jié)010302040506第9章無監(jiān)督風(fēng)格互換9.2.1無監(jiān)督設(shè)計(jì)原理