第 1篇 深度学习模型训练 / 1
项目１　深度学习全连接神经网络应用 / 2
项目描述 / 2
知识准备 / 2
1.1深度学习分类任务 / 2
1.1.1深度学习分类任务的概念 / 2
1.1.2深度学习分类任务的类型 / 3
1.1.3分类任务与回归任务的区别 / 3
1.2全连接神经网络 / 3
1.3激活函数 / 4
1.3.1Sigmoid()函数 / 4
1.3.2ReLU()函数 / 5
1.3.3Softmax()函数 / 6
1.4交叉熵损失函数 / 7
1.5手写数字识别数据集 / 7
1.6全连接神经网络的训练方法 / 8
项目实施　通过全连接神经网络识别手写数字 / 8
1.7实施思路 / 8
1.8实施步骤 / 9
知识拓展 / 15
课后实训 / 15

项目２　深度学习卷积神经网络应用 / 16
项目描述 / 16
知识准备 / 16
2.1卷积神经网络的概念 / 16
2.2卷积层 / 17
2.2.1卷积计算 / 17
2.2.2步长 / 18
2.2.3填充 / 19
2.2.4多通道卷积 / 19
2.3池化层 / 21
2.4如何训练卷积神经网络 / 21
项目实施　通过卷积神经网络识别手写数字 / 22
2.5实施思路 / 22
2.6实施步骤 / 22
知识拓展 / 31
课后实训 / 32

项目３　深度学习模型训练——循环神经网络应用 / 33
项目描述 / 33
知识准备 / 34
3.1循环神经网络的常见类型 / 34
3.2循环神经网络的基本结构 / 34
3.2.1输入层 / 35
3.2.2隐藏层 / 35
3.2.3输出层 / 35
3.3简单循环神经网络——SimpleRNN / 36
3.4循环神经网络的构建与训练方法 / 37
项目实施　通过循环神经网络预测时序数据 / 37
3.5实施思路 / 37
3.6实施步骤 / 38
知识拓展 / 44
课后实训 / 44

第 2篇 计算机视觉模型应用 / 45
项目４　计算机视觉模型数据准备 / 46
项目描述 / 46
知识准备 / 47
4.1常见的计算机视觉数据集及格式 / 47
4.1.1CIFAR-10、CIFAR-100数据集 / 47
4.1.2ImageNet数据集 / 48
4.1.3MS COCO数据集 / 48
4.1.4PASCAL VOC数据集 / 49
4.2PaddleX介绍 / 49
4.3PaddleX的图像分类数据集的加载方法 / 50
4.3.1使用paddlex.datasets.ImageNet()函数加载数据集 / 50
4.3.2使用paddlex.datasets.VOCDetection()函数加载数据集 / 51
4.3.3使用paddlex.datasets.CocoDetection()函数加载数据集 / 52
4.4PaddleX的图像分类数据处理函数 / 53
4.4.1RandomCrop()函数 / 53
4.4.2RandomHorizontalFlip()函数 / 53
4.4.3RandomDistort()函数 / 53
4.4.4Normalize()函数 / 54
4.4.5其他数据处理函数 / 54
项目实施　拆分和验证垃圾分类数据集 / 55
4.5实施思路 / 55
4.6实施步骤 / 55
知识拓展 / 62
课后实训 / 63

项目5　计算机视觉模型训练　
与应用 / 64
项目描述 / 64
知识准备 / 64
5.1计算机视觉领域的基本任务 / 64
5.2图像分类任务常用网络 / 66
5.2.1ResNet / 66
5.2.2DenseNet / 67
5.2.3AlexNet / 68
5.2.4MobileNet / 69
项目实施　训练垃圾分类模型 / 69
5.3实施思路 / 69
5.4实施步骤 / 70
知识拓展 / 72
课后实训 / 74

项目６　计算机视觉模型部署/ 75
项目描述 / 75
知识准备 / 76
6.1计算机视觉模型应用案例 / 76
6.2PaddleX本地部署 / 76
6.2.1模型导出 / 77
6.2.2模型部署预测 / 77
6.3PaddleX边缘设备部署 / 79
6.3.1　智慧零售操作台 / 79
6.3.2　智慧工业操作台 / 79
6.3.3　人工智能端侧开发套件 / 79
6.3.4　人工智能边缘开发设备 / 79
项目实施　部署垃圾分类模型到边缘设备 / 80
6.4实施思路 / 80
6.5实施步骤 / 81
知识拓展 / 87
课后实训 / 88

第3篇 自然语言处理模型应用 / 89
项目7　自然语言处理预训练模型数据准备 / 90
项目描述 / 90
知识准备 / 90
7.1自然语言处理的数据集及格式 / 90
7.1.1DuEE数据集 / 91
7.1.2BSTC数据集 / 91
7.1.38类情感分类数据集 / 92
7.2PaddleHub介绍 / 93
7.3文本分类数据处理方法 / 94
7.4文本分类数据集加载方法 / 94
7.4.1文本分类数据集加载过程 / 94
7.4.2数据集加载 / 95
项目实施　处理、拆分和加载情感　
分类数据集 / 97
7.5实施思路 / 97
7.6实施步骤 / 97
知识拓展 / 105
课后实训 / 106

项目８　自然语言处理预训练模型训练与应用 / 107
项目描述 / 107
知识准备 / 107
8.1自然语言处理基本任务 / 107
8.2文本分类任务 / 108
8.2.1文本预处理 / 108
8.2.2文本表示 / 108
8.2.3分类模型构建 / 109
项目实施　配置、训练和评估情感　
分类模型 / 110
8.3实施思路 / 110
8.4实施步骤 / 110
知识拓展 / 114
课后实训 / 115

项目９　自然语言处理模型部署 / 116
项目描述 / 116
知识准备 / 116
9.1服务端部署应用案例 / 116
9.2PaddleHub本地部署 / 117
9.3PaddleHub服务端部署 / 117
9.3.1命令行启动 / 117
9.3.2配置文件启动 / 118
项目实施　部署情感分类模型 / 119
9.4实施思路 / 119
9.5PaddleHub本地部署实施步骤 / 119
9.6PaddleHub服务端部署实施步骤 / 121
9.6.1命令行启动 / 122
9.6.2　配置文件启动 / 124
知识拓展 / 127
课后实训 / 128