Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 4 olvasói szavazat alapján történt.
Practical Computer Vision Applications Using Deep Learning with Cnns: With Detailed Examples in Python Using Tensorflow and Kivy
Mélytanulási alkalmazások telepítése a termelésbe több platformon keresztül. Olyan számítógépes látó alkalmazásokon fogsz dolgozni, amelyek a konvolúciós neurális hálózat (CNN) mélytanulási modellt és Pythont használják. Ez a könyv a hagyományos gépi tanulás csővezetékének ismertetésével kezdődik, ahol egy képi adathalmazt fog elemezni. Útközben kitér a mesterséges neurális hálózatokra (ANN), egyet a semmiből épít Pythonban, majd genetikai algoritmusok segítségével optimalizálja azt.
A folyamat automatizálásához a könyv rávilágít a számítógépes látás hagyományos, kézzel készített jellemzőinek korlátaira, és arra, hogy miért a CNN mélytanulási modell a legkorszerűbb megoldás. A CNN-eket az alapoktól kezdve tárgyaljuk, hogy bemutassuk, miben különböznek és hatékonyabbak a teljesen összekapcsolt ANN-ektől (FCNN). Egy CNN-t fog implementálni Python nyelven, hogy teljes mértékben megismerje a modellt.
Az alapok megszilárdítása után a TensorFlow segítségével egy gyakorlati képfelismerő modellt építesz, amelyet Flask segítségével egy webszerverre telepítesz, így az interneten keresztül elérhetővé teszed. A Kivy és a NumPy használatával alacsony rezsiköltséggel készítesz majd platformokon átívelő adattudományi alkalmazásokat.
Ez a könyv segít a mélytanulás és a számítógépes látás koncepcióinak alkalmazásában, lépésről lépésre, a koncepciótól a gyártásig.
Mit fogsz tanulni
⬤ .
⬤ Megtanulja, hogyan működnek az ANN-ek és a CNN-ek.
⬤ Számítógépes látó alkalmazások és CNN-ek létrehozása a semmiből Python segítségével.
⬤ Követni egy mélytanulási projektet a koncepciótól a gyártásig a TensorFlow használatával.
⬤ Használja a NumPy-t a Kivy-vel, hogy keresztplatformos adattudományi alkalmazásokat építsen.
Kinek szól ez a könyvAdattudósok, gépi tanulási és mélytanulási mérnökök, szoftverfejlesztők.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)