esNet21
2.3.3 ResNet程序实现24
2.3.4 详细代码解析27
2.3.5 实验结果及分析51
第3章 Caffe深度学习框架搭建与图像语义分割的实现56
3.1 Caffe概述56
3.1.1 Caffe的特点56
3.1.2 Caffe框架结构57
3.2 Caffe框架安装与调试59
3.3 基于Caffe框架的图像分割实现（FCN）64
3.3.1 用Caffe构建卷积神经网络64
3.3.2 FCN-8s网络简介69
3.3.3 详细代码解读85
3.3.4 实验结果与结论98
第4章 Torch深度学习框架搭建与目标检测的实现100
4.1 Torch概述100
4.1.1 Torch的特点100
4.1.2 Lua语言102
4.2 Torch框架安装104
4.3 基于Torch框架的目标检测实现（FasterR-CNN）113
4.3.1 Torch的类和包的基本用法113
4.3.2 用Torch构建神经网络116
4.3.3 FasterR-CNN介绍119
4.3.4 FasterR-CNN实例127
4.3.5 实验结果分析161
第5章 MXNet深度学习框架构建与自然语言处理的实现164
5.1 MXNet概述164
5.1.1 MXNet基础知识164
5.1.2 编程接口166
5.1.3 系统实现169
5.1.4 MXNet的关键特性171
5.2 MXNet框架安装172
5.3 基于MXNet框架的自然语言处理实现（LSTM）179
5.3.1 自然语言处理应用背景179
5.3.2 RNN及LSTM网络180
5.3.3 Bucketing及不同长度的序列训练183
5.3.4 详细代码实现185
5.3.5 实验过程及实验结果分析191
第6章 迁移学习195
6.1 迁移学习发展概述195
6.2 迁移学习的类型与模型196
6.2.1 冻结源模型与微调源模型197
6.2.2 神经网络迁移学习模型与分类器迁移学习模型197
6.3 迁移学习方法实例指导199
6.3.1 迁移学习应用示例199
6.3.2 实验结论202
第7章 并行计算与交叉验证203
7.1 并行计算203
7.1.1 数据并行框架204
7.1.2 模型并行框架205
7.1.3 数据并行与模型并行的混合架构205
7.2 交叉验证207
7.2.1 留出法207
7.2.2 K折交叉验证208
7.2.3 留一交叉验证209
参考文献211
编程语言与程序设计
Python编程 从入门到实践 第3版（图灵出品）
编程语言与程序设计
Hello算法（图灵出品）
编程语言与程序设计
C++ Primer Plus 第6版 中文版(异步图书出品)
编程语言与程序设计
C++ Primer（中文版 第5版）(博文视点出品)
编程语言与程序设计
高效C/C++调试
