Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 4 głosach.
Practical Computer Vision Applications Using Deep Learning with Cnns: With Detailed Examples in Python Using Tensorflow and Kivy
Wdrażanie aplikacji głębokiego uczenia do produkcji na wielu platformach. Będziesz pracować nad aplikacjami wizji komputerowej, które wykorzystują model głębokiego uczenia konwolucyjnych sieci neuronowych (CNN) i Python. Ta książka zaczyna się od wyjaśnienia tradycyjnego potoku uczenia maszynowego, w którym będziesz analizować zestaw danych obrazu. Po drodze omówione zostaną sztuczne sieci neuronowe (ANN), budując je od podstaw w Pythonie, a następnie optymalizując je za pomocą algorytmów genetycznych.
W celu zautomatyzowania procesu, książka podkreśla ograniczenia tradycyjnych, ręcznie tworzonych funkcji dla wizji komputerowej i dlaczego model głębokiego uczenia CNN jest najnowocześniejszym rozwiązaniem. CNN są omawiane od podstaw, aby zademonstrować, w jaki sposób różnią się i są bardziej wydajne niż w pełni połączone sieci neuronowe (FCNN). Zaimplementujesz CNN w Pythonie, aby w pełni zrozumieć ten model.
Po utrwaleniu podstaw, użyjesz TensorFlow do zbudowania praktycznego modelu rozpoznawania obrazów, który wdrożysz na serwerze internetowym za pomocą Flask, dzięki czemu będzie on dostępny przez Internet. Korzystając z Kivy i NumPy, stworzysz wieloplatformowe aplikacje data science o niskich kosztach ogólnych.
Ta książka pomoże ci zastosować koncepcje głębokiego uczenia i wizji komputerowej od podstaw, krok po kroku od koncepcji do produkcji.
Czego się nauczysz
⬤ .
⬤ Zrozumieć, jak działają sieci neuronowe i sieci CNN.
⬤ Tworzyć aplikacje wizji komputerowej i CNN od podstaw przy użyciu Pythona.
⬤ Śledzić projekt głębokiego uczenia się od koncepcji do produkcji przy użyciu TensorFlow.
⬤ Wykorzystanie NumPy i Kivy do tworzenia wieloplatformowych aplikacji data science.
Dla kogo jest ta książkaNaukowcy zajmujący się danymi, inżynierowie uczenia maszynowego i głębokiego uczenia, programiści.
