本書是一本深度學習的基礎入門讀物，對深度學習的基本理論進行了介紹，主要以Ubuntu系統(tǒng)為例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分別在3個框架下，通過3個實戰(zhàn)項目掌握了框架的使用方法，并詳細描述了生產流程，最后講述了通過集群部署深度學習的項目以及如何進行運營維護的注意事項。

目錄

第1章 深度學習簡介1
1.1 深度學習的發(fā)展1
1.2 深度學習的應用及研究方向3
1.3 深度學習工具介紹和對比4
1.3.1 Caffe4
1.3.2 TensorFlow5
1.3.3 Torch6
1.4 小結7
第 2章 深度學習基本理論9
2.1 深度學習的基本概念9
2.2 深度學習的訓練過程13
2.3 深度學習的常用模型和方法14
2.4 小結20
第3章 深度學習環(huán)境搭建23
3.1 Caffe安裝23
3.1.1 安裝Caffe的相關依賴項24
3.1.2 安裝NVIDIA驅動24
3.1.3 安裝CUDA27
3.1.4 配置cuDNN30
3.1.5 源代碼編譯安裝OpenCV32
3.1.6 編譯Caffe，并配置Python接口34
3.2 Caffe框架下的MNIST數字識別問題41
3.3 TensorFlow安裝42
3.3.1 基于pip安裝42
3.3.2 基于Anaconda安裝46
3.3.3 基于源代碼安裝51
3.3.4 常見安裝問題56
3.4 TensorFlow框架下的CIFAR圖像識別問題59
3.5 Torch安裝61
3.5.1 無CUDA的Torch 7安裝61
3.5.2 CUDA的Torch 7安裝61
3.6 Torch框架下neural-style圖像合成問題62
3.7 小結74
第4章 人臉識別75
4.1 人臉識別概述75
4.2 人臉識別系統(tǒng)設計76
4.2.1 需求分析76
4.2.2 功能設計77
4.2.3 模塊設計78
4.3 系統(tǒng)生產環(huán)境部署及驗證81
4.3.1 抽幀環(huán)境部署81
4.3.2 抽幀功能驗證82
4.3.3 OpenFace環(huán)境部署82
4.3.4 OpenFace環(huán)境驗證84
4.4 批量生產90
4.5 小結102
第5章 車輛識別103
5.1 概述103
5.2 系統(tǒng)設計104
5.2.1 需求分析104
5.2.2 功能設計104
5.2.3 模塊設計105
5.3 系統(tǒng)生產環(huán)境部署及驗證106
5.3.1 生產環(huán)境部署106
5.3.2 項目部署107
5.3.3 環(huán)境驗證108
5.4 批量生產109
5.5 小結117
第6章 不良視頻識別119
6.1 概述119
6.2 不良圖片模型簡介120
6.3 系統(tǒng)設計122
6.4 系統(tǒng)部署及系統(tǒng)測試驗證123
6.5 批量生產125
6.5.1 批量節(jié)目元數據信息檢索與篩選125
6.5.2 基于FFmpeg的SDK抽取視頻I幀126
6.5.3 基于膚色比例檢測的快速篩查128
6.5.4 基于Caffe框架的不良圖片檢測128
6.6 小結129
第7章 集群部署與運營維護131
7.1 認識Docker131
7.2 基于Docker的TensorFlow實驗環(huán)境134
7.3 運營維護137
7.4 小結138
參考文獻139