第1章 深度学习

1.1 引言

1.2 深度学习框架简介

1.3 数学基础知识

1.3.1 线性代数相关知识

1.3.2 概率论相关知识

1.3.3 导数相关知识

1.4 简单的深度学习理论知识

1.5 小结

第2章 PaddlePaddle的安装

2.1 引言

2.2 计算机配置

2.3 安装前的检查

2.4 使用pip安装

2.5 使用Docker安装

2.6 从源码编译并生成安装包

2.6.1 在本地编译并生成安装包

2.6.2 在Docker中编译并生成安装包

2.7 编译Docker镜像

2.8 在Windows操作系统中安装PaddlePaddle的方法

2.8.1 在Windows系统中安装Docker容器

2.8.2 在Windows系统中安装Ubuntu

2.8.3 在Windows 10中安装Linux子系统

2.9 测试安装效果

2.10 小结

第3章 使用MNIST数据集实现手写数字识别

3.1 引言

3.2 数据集

3.3 定义神经网络模型

3.4 开始训练模型

3.4.1 导入依赖包

3.4.2 初始化Paddle

3.4.3 获取训练器

3.4.4 开始训练

3.5 使用参数预测

3.5.1 初始化PaddlePaddle

3.5.2 获取训练好的参数

3.5.3 读取图片

3.5.4 开始预测

3.6 小结

第4章 CIFAR数据集中彩色图像的识别

4.1 引言

4.2 数据集

4.3 定义神经网络模型

4.4 开始训练模型

4.4.1 导入依赖包

4.4.2 初始化Paddle

4.4.3 获取参数

4.4.4 创建训练器

4.4.5 开始训练

4.5 使用参数预测

4.6 使用其他神经模型

4.7 小结

第5章 自定义图像数据集的识别

5.1 引言

5.2 网络爬虫技术

5.2.1 网络爬虫的整体框架

5.2.2 URL管理器

5.2.3 网页下载器

5.2.4 网页解析器

5.3 网络爬虫实例

5.3.1 调度器的使用

5.3.2 URL管理器的使用

5.3.3 网页下载器的使用

5.3.4 网页解析器的使用

5.3.5 数据收集器的使用

5.3.6 运行代码

5.4 数据集

5.4.1 生成图像列表

5.4.2 读取数据

5.5 定义神经网络

5.6 使用PaddlePaddle开始训练

5.6.1 创建训练器

5.6.2 开始训练

5.7 使用PaddlePaddle预测

5.8 小结

第6章 验证码的识别

6.1 引言

6.2 数据集的获取

6.2.1 下载验证码

6.2.2 修改验证码的文件名

6.2.3 裁剪验证码

6.2.4 生成图像列表

6.3 读取数据

6.4 使用PaddlePaddle开始训练

6.5 使用PaddlePaddle预测

6.5.1 裁剪验证码

6.5.2 预测图像

6.5.3 标签转成字符

6.6 小结

第7章 场景文字识别

7.1 引言

7.2 数据集

7.3 定义神经网络模型

7.4 数据的读取

7.4.1 读取图像列表

7.4.2 生成标签字典

7.4.3 读取训练数据

7.5 训练模型

7.5.1 训练准备

7.5.2 安装libwarpctc.so库

7.5.3 开始训练

7.6 开始预测

7.7 小结

第8章 验证码端到端的识别

8.1 引言

8.2 数据集

8.3 生成图像列表文件

8.4 数据的读取

8.4.1 读取数据并存储成列表

8.4.2 生成和读取标签字典

8.4.3 读取训练和测试的数据

8.5 定义网络模型

8.6 生成训练器

8.7 定义训练

8.8 启动训练

8.9 开始预测

8.10 小结

第9章 车牌端到端的识别

9.1 引言

9.2 车牌数据的采集

9.2.1 车牌数据的下载

9.2.2 命名车牌图像

9.2.3 车牌定位

9.2.4 灰度化图像

9.3 数据的读取

9.3.1 生成列表文件

9.3.2 以列表方式读取数据

9.3.3 生成和读取标签字典

9.3.4 训练数据和测试数据的读取

9.4 定义神经网络

9.5 开始训练

9.6 开始预测

9.7 小结

第10章 使用VOC数据集实现目标检测

10.1 引言

10.2 VOC数据集

10.2.1 下载VOC数据集

10.2.2 生成图像列表

10.3 数据预处理

10.4 SSD神经网络

10.5 训练模型

10.6 评估模型

10.7 预测数据

10.7.1 预测并保存预测结果

10.7.2 显示画出的框

10.8 小结

第11章 通过自定义图像数据集实现目标检测

11.1 引言

11.2 数据集

11.2.1 下载车牌数据

11.2.2 重命名图像

11.3 标注数据集

11.3.1 安装LabelImg

11.3.2 使用LabelImg

11.3.3 生成图像列表

11.4 训练模型

11.4.1 预训练模型处理

11.4.2 开始训练

11.5 评估模型

11.6 预测图片

11.6.1 获取预测结果

11.6.2 显示预测结果

11.7 小结

第12章 使用PaddlePaddle Fluid

12.1 引言

12.2 Fluid版本

12.3 定义神经网络

12.4 训练程序

12.4.1 定义数据

12.4.2 定义平均正确率

12.4.3 定义测试程序

12.4.4 定义优化方法

12.5 训练模型

12.5.1 定义调试器

12.5.2 获取数据

12.5.3 开始训练

12.5.4 保存预测模型

12.6 预测模型

12.7 小结

第13章 可视化工具VisuaIDL的使用

13.1 引言

13.2 VisualDL的介绍

13.3 VisualDL的安装

13.3.1 使用pip安装

13.3.2 使用源码安装

13.4 简单使用VisualDL

13.5 在PaddlePaddle中使用VisualDL

13.5.1 定义VisualDL组件

13.5.2 编写PaddlePaddle代码

13.5.3 把数据添加到VisualDL中

13.6 小结

第14章 把PaddlePaddle部署到网站服务器上

14.1 引言

14.2 开发环境

14.3 Flask的使用

14.3.1 安装Flask

14.3.2 测试Flask框架是否安装成功

14.3.3 文件上传

14.4 使用PaddlePaddle预测

14.4.1 获取预测模型

14.4.2 部署PaddlePaddle

14.5 小结

第15章 把PaddlePaddle应用到Android手机

15.1 引言

15.2 编译PaddlePaddle库

15.2.1 使用Docker编译PaddlePaddle库

15.2.2 使用Linux编译PaddlePaddle库

15.3 MobileNet神经网络

15.4 训练模型

15.5 编写预测代码

15.6 合并模型

15.7 移植到Android

15.7.1 加载PaddlePaddle库

15.7.2 加载合并的模型

15.7.3 开发Android程序

15.8 小结