深度学习：主流框架和编程实战

7.2 交叉验证

7.1 并行计算

第7章 并行计算与交叉验证

6.3 迁移学习方法实例指导

6.2 迁移学习的类型与模型

6.1 迁移学习发展概述

第6章 迁移学习

5.3 基于MXNet框架的自然语言处理实现（LSTM）

5.2 MXNet框架安装

5.1 MXNet概述

第5章 MXNet深度学习框架构建与自然语言处理的实现

4.3 基于Torch框架的目标检测实现（Faster R-CNN）

4.2 Torch框架安装

4.1 Torch概述

第4章 Torch深度学习框架搭建与目标检测的实现

3.3 基于Caffe框架的图像分割实现（FCN）

3.2 Caffe框架安装与调试

3.1 Caffe概述

第3章 Caffe深度学习框架搭建与图像语义分割的实现

2.3 基于TensorFlow框架的图像分类实现（ResNet-34）

2.2 TensorFlow框架安装

2.1 TensorFlow概述

第2章 TensorFlow深度学习框架构建方法与图像分类的实现

1.5 深度学习展望

1.4 优化深度学习的方法

1.3 本书涉及的深度学习框架

1.2 统计学与深度学习

1.1 机器学习与深度学习

第1章 绪论

前言

版权信息

封面

封面

版权信息

前言

第1章 绪论

1.1 机器学习与深度学习

1.2 统计学与深度学习

1.3 本书涉及的深度学习框架

1.4 优化深度学习的方法

1.5 深度学习展望

第2章 TensorFlow深度学习框架构建方法与图像分类的实现

2.1 TensorFlow概述

2.2 TensorFlow框架安装

2.3 基于TensorFlow框架的图像分类实现（ResNet-34）

第3章 Caffe深度学习框架搭建与图像语义分割的实现

3.1 Caffe概述

3.2 Caffe框架安装与调试

3.3 基于Caffe框架的图像分割实现（FCN）

第4章 Torch深度学习框架搭建与目标检测的实现

4.1 Torch概述

4.2 Torch框架安装

4.3 基于Torch框架的目标检测实现（Faster R-CNN）

第5章 MXNet深度学习框架构建与自然语言处理的实现

5.1 MXNet概述

5.2 MXNet框架安装

5.3 基于MXNet框架的自然语言处理实现（LSTM）

第6章 迁移学习

6.1 迁移学习发展概述

6.2 迁移学习的类型与模型

6.3 迁移学习方法实例指导

第7章 并行计算与交叉验证

7.1 并行计算

7.2 交叉验证