编辑推荐
1 着重于深度学习的应用实践能力提升。
2 以Caffe 深度学习框架为切入点，剖析了Caffe 网络模型的构成。
3 深入解读了利用深度学习进行目标定位的经典网络模型。
4 以两大经典实战项目引领读者经历从问题提出到利用Caffe 求解的完整工程。
内容简介
本书首先介绍了深度学习相关的理论和主流的深度学习框架，然后从Caffe 深度学习框架为切入点，介绍了Caffe 的安装、配置、编译和接口等运行环境，剖析Caffe 网络模型的构成要素和常用的层类型和Solver 方法。通过LeNet 网络模型的Mnist 手写实例介绍其样本训练和识别过程，进一步详细解读了AlexNet、VGGNet、GoogLeNet、Siamese 和SqueezeNet 网络模型，并给出了这些模型基于Caffe 的训练实战方法。然后，本书解读了利用深度学习进行目标定位的经典网络模型：FCN、R-CNN、Fast-RCNN、Faster-RCNN 和SSD，并进行目标定位Caffe 实战。本书的最后，从著名的Kaggle 网站引入了两个经典的实战项目，并进行了有针对性的原始数据分析、网络模型设计和Caffe 训练策略实践，以求带给读者从问题提出到利用Caffe 求解的完整工程经历，从而使读者能尽快掌握Caffe 框架的使用技巧和实战经验。针对Caffe 和深度学习领域的初学者，本书是一本不可多得的参考资料。本书的内容既有易懂的理论背景，又有丰富的应用实践，是深度学习初学者的指导手册，也可作为深度学习相关领域工程师和爱好者的参考用书。
作者简介
乐毅：计算机专业硕士，现任职于某数据通信公司，高级系统工程师。负责公司深度学习技术领域的应用及相关项目，对深度学习及大数据深度挖掘具有浓厚的兴趣。擅长Caffe等深度学习框架及网络模型应用。王斌：通信与信息系统硕士，现任职于某数据通信公司，高级系统工程师。多年致力于深度学习技术的前沿研究与应用，对Caffe等深度学习框架在图像识别领域有深刻理解，承担公司多项与机器学习相关的研究工作。
目 录
第1 章 绪论............................................................................................1
1.1 引言...............................................................................................................1
1.2 人工智能的发展历程....................................................................................................2
1.3 机器学习及相关技术....................................................................................................4
1.3.1 学习形式分类.....................................................................................................4
1.3.2 学习方法分类.....................................................................................................5
1.3.3 机器学习的相关技术.........................................................................................7
1.4 国内外研究现状..................................................................................................8
1.4.1 国外研究现状.....................................................................................................8
1.4.2 国内研究现状.....................................................................................................9
第2 章 深度学习.....................................................................................................11
2.1 神经网络模型................................................................................................11
2.1.1 人脑视觉机理...................................................................................................11
2.1.2 生物神经元.......................................................................................................13
2.1.3 人工神经网络...................................................................................................15
2.2 BP 神经网络.............................................................................................18
2.2.1 BP 神经元.........................................................................................................18
2.2.2 BP 神经网络构成.............................................................................................19
2.2.3 正向传播...........................................................................................................21
2.2.4 反向传播...........................................................................................................21
2.3 卷积神经网络.............................................................................................24
2.3.1 卷积神经网络的历史.......................................................................................25
2.3.2 卷积神经网络的网络结构...............................................................................26
2.3.3 局部感知...........................................................................................................27
2.3.4 参数共享...........................................................................................................28
2.3.5 多卷积核...........................................................................................................28
2.3.6 池化（Pooling）...............................................................................................29
2.4 深度学习框架................................................................................................30
2.4.1 Caffe .........................................................................................................30
2.4.2 Torch .......................................................................................................31
2.4.3 Keras............................................................................................................32
2.4.4 MXNet ....................................................................................................32
2.4.5 TensorFlow ........................................................................................................33
2.4.6 CNTK .................................................................................................33
2.4.7 Theano ...............................................................................................34
第3 章 Caffe 简介及其安装配置.............................................................................................36
3.1 Caffe 是什么....................................................................................................36
3.1.1 Caffe 的特点......................................................................................................38
3.1.2 Caffe 的架构......................................................................................................38
3.2 Caffe 的安装环境.........................................................................................39
3.2.1 Caffe 的硬件环境..............................................................................................39
3.2.2 Caffe 的软件环境..............................................................................................43
3.2.3 Caffe 的依赖库..................................................................................................44
3.2.4 Caffe 开发环境的安装......................................................................................46
3.3 Caffe 接口......................................................................................................52
3.3.1 Caffe Python 接口.............................................................................................52
3.3.2 Caffe MATLAB 接口........................................................................................55
3.3.3 Caffe 命令行接口..............................................................................................56
第4 章 Caffe 网络定义...............................................................................................58
4.1 Caffe 模型要素........................................................................................58
4.1.1 网络模型...........................................................................................................58
4.1.2 参数配置...........................................................................................................62
4.2 Google Protobuf 结构化数据.......................................................................................63
4.3 Caffe 数据库......................................................................................................65
4.3.1 LevelDB.............................................................................................................65
4.3.2 LMDB................................................................................................................66
4.3.3 HDF5 ..................................................................................................66
4.4 Caffe Net.............................................................................................................66
4.5 Caffe Blob........................................................................................................68
4.6 Caffe Layer .....................................................................................................70
4.6.1 Data Layers........................................................................................................71
4.6.2 Convolution Layers............................................................................................75
4.6.3 Pooling Layers ............................................................