探索一种共同而强大的深层信仰网络的基本构建模块:卷积网。本书向您展示了这些优雅模型的结构如何比传统神经网络更接近人类大脑的结构; 他们有一个'思考过程',能够学习从更简单的原语构建的抽象概念。这些模型对图像处理应用特别有用。
在每个步骤中,C ++和CUDA C:第3卷中的Deep Belief Nets提供了直观的动机,与该主题相关的最重要方程的摘要,并以现代CPU上的线程计算以及计算机上的大规模并行处理的高度注释代码作为结束具有CUDA功能的视频显示卡。书中提供的所有例程的源代码以及实现这些算法的可执行CONVNET程序都可以免费下载。
你会学到什么
- 发现卷积网以及如何使用它们
- 使用本地连接的图层,池化图层和softmax输出构建深度前馈网络
- 掌握所需的各种编程算法
- 为此线程执行多线程渐变计算和内存分配
- 使用所有核心计算的CUDA代码实现,包括图层激活和梯度计算
- 利用CONVNET程序和手册探索卷积网和案例研究
本书适用于谁
那些至少具有神经网络基础知识和一些先前编程经验的人,尽管推荐使用一些C ++和CUDA C.
目录
Chapter 1: Feedforward Networks
Chapter 2: Programming Algorithms
Chapter 3: CUDA Code
Chapter 4: CONVNET Manual