章 深度学习1
1.1引言1
1.2深度学习框架简介1
1.3数学基础知识3
1.3.1线性代数相关知识3
1.3.2概率论相关知识10
1.3.3导数相关知识13
1.4简单的深度学习理论知识14
1.5小结19
第2章 PaddlePaddle的安装20
2.1引言20
2.2计算机配置20
2.3安装前的检查20
2.4使用pip安装21
2.5使用Docker安装23
2.6从源码编译并生成安装包25
2.6.1在本地编译并生成安装包25
2.6.2在Docker中编译并生成安装包28
2.7编译Docker镜像29
2.8在Windows操作系统中安装PaddlePaddle的方法30
2.8.1在Windows系统中安装Docker容器30
2.8.2在Windows系统中安装Ubuntu35
2.8.3在Windows 10中安装Linux子系统41
2.9测试安装效果43
2.10小结45
第3章使用MNIST数据集实现手写数字识别46
3.1引言46
3.2数据集46
3.3定义神经网络模型47
3.4开始训练模型50
3.4.1导入依赖包50
3.4.2初始化Paddle51
3.4.3获取训练器51
3.4.4开始训练52
3.5使用参数预测54
3.5.1初始化PaddlePaddle54
3.5.2获取训练好的参数54
3.5.3读取图片54
3.5.4开始预测55
3.6小结56
第4章CIFAR数据集中彩色图像的识别57
4.1引言57
4.2数据集57
4.3定义神经网络模型59
4.4开始训练模型61
4.4.1导入依赖包62
4.4.2初始化Paddle62
4.4.3获取参数62
4.4.4创建训练器63
4.4.5开始训练64
4.5使用参数预测67
4.6使用其他神经模型69
4.7小结70
第5章自定义图像数据集的识别72
5.1引言72
5.2网络爬虫技术72
5.2.1网络爬虫的整体框架72
5.2.2URL管理器74
5.2.3网页下载器75
5.2.4网页解析器76
5.3网络爬虫实例77
5.3.1调度器的使用79
5.3.2URL管理器的使用80
5.3.3网页下载器的使用81
5.3.4网页解析器的使用82
5.3.5数据收集器的使用83
5.3.6运行代码84
5.4数据集88
5.4.1生成图像列表89
5.4.2读取数据92
5.5定义神经网络96
5.6使用PaddlePaddle开始训练97
5.6.1创建训练器98
5.6.2开始训练99
5.7使用PaddlePaddle预测102
5.8小结104
第6章验证码的识别105
6.1引言105
6.2数据集的获取105
6.2.1下载验证码106
6.2.2修改验证码的文件名107
6.2.3裁剪验证码108
6.2.4生成图像列表110
6.3读取数据111
6.4使用PaddlePaddle开始训练112
6.5使用PaddlePaddle预测118
6.5.1裁剪验证码118
6.5.2预测图像119
6.5.3标签转成字符120
6.6小结121
第7章场景文字识别122
7.1引言122
7.2数据集122
7.3定义神经网络模型123
7.4数据的读取128
7.4.1读取图像列表128
7.4.2生成标签字典129
7.4.3读取训练数据131
7.5训练模型133
7.5.1训练准备133
7.5.2安装libwarpctc.so库135
7.5.3开始训练136
7.6开始预测137
7.7小结140
第8章验证码端到端的识别141
8.1引言141
8.2数据集141
8.3生成图像列表文件143
8.4数据的读取144
8.4.1读取数据并存储成列表144
8.4.2生成和读取标签字典145
8.4.3读取训练和测试的数据146
8.5定义网络模型147
8.6生成训练器150
8.7定义训练151
8.8启动训练152
8.9开始预测153
8.10小结156
第9章车牌端到端的识别157
9.1引言157
9.2车牌数据的采集157
9.2.1车牌数据的下载157
9.2.2命名车牌图像159
9.2.3车牌定位159
9.2.4灰度化图像163
9.3数据的读取164
9.3.1生成列表文件164
9.3.2以列表方式读取数据165
9.3.3生成和读取标签字典166
9.3.4训练数据和测试数据的读取167
9.4定义神经网络169
9.5开始训练171
9.6开始预测173
9.7小结176
0章 使用VOC数据集实现目标检测177
10.1引言177
10.2VOC数据集177
10.2.1下载VOC数据集178
10.2.2生成图像列表179
10.3数据预处理180
10.4SSD神经网络182
10.5训练模型186
10.6评估模型189
10.7预测数据191
10.7.1预测并保存预测结果191
10.7.2显示画出的框193
10.8小结195
1章 通过自定义图像数据集实现目标检测196
11.1引言196
11.2数据集196
11.2.1下载车牌数据196
11.2.2重命名图像197
11.3标注数据集198
11.3.1安装LabelImg198
11.3.2使用LabelImg198
11.3.3生成图像列表201
11.4训练模型202
11.4.1预训练模型处理202
11.4.2开始训练203
11.5评估模型204
11.6预测图片205
11.6.1获取预测结果205
11.6.2显示预测结果206
11.7小结208
2章 使用PaddlePaddle Fluid209
12.1引言209
12.2Fluid版本209
12.3定义神经网络210
12.4训练程序212
12.4.1定义数据213
12.4.2定义平均正确率213
12.4.3定义测试程序213
12.4.4定义优化方法214
12.5训练模型214
12.5.1定义调试器215
12.5.2获取数据215
12.5.3开始训练216
12.5.4保存预测模型217
12.6预测模型217
12.7小结219
3章 可视化工具VisualDL的使用220
13.1引言220
13.2VisualDL的介绍220
13.3VisualDL的安装222
13.3.1使用pip安装223
13.3.2使用源码安装224
13.4简单使用VisualDL224
13.5在PaddlePaddle中使用VisualDL226
13.5.1定义VisualDL组件226
13.5.2编写PaddlePaddle代码227
13.5.3把数据添加到VisualDL中229
13.6小结232
4章 把PaddlePaddle部署到网站服务器上233
14.1引言233
14.2开发环境233
14.3Flask的使用234
14.3.1安装Flask234
14.3.2测试Flask框架是否安装成功234
14.3.3文件上传235
14.4使用PaddlePaddle预测237
14.4.1获取预测模型237
14.4.2部署PaddlePaddle238
14.5小结242
5章 把PaddlePaddle应用到Android手机244
15.1引言244
15.2编译PaddlePaddle库244
15.2.1使用Docker编译PaddlePaddle库244
15.2.2使用Linux编译PaddlePaddle库247
15.3MobileNet神经网络250
15.4训练模型254
15.5编写预测代码258
15.6合并模型261
15.7移植到Android262
15.7.1加载PaddlePaddle库262
15.7.2加载合并的模型263
15.7.3开发Android程序263
15.8小结272

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。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；2章和3章介绍了Fluid、可视化工具VisualDL；4章和5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。