深度学习之模型设计：核心算法与案例实践

本书理论知识体系完备，由浅入深，系统性地介绍了深度学习模型的发展脉络，以及模型深度设计、模型宽度设计、模型通道维度设计、残差连接设计、分组卷积设计、多尺度与非正常卷积设计、多输入网络设计、时序神经网络设计、三维卷积网络设计、动态推理模型与注意力机制设计、生成对抗网络设计等主流的深度学习模型设计思想。同时，本书为各模型设计思想提供了大量的实例，供读者实战演练。

这是一本深入探讨深度学习模型设计的综合性著作。该书理论知识体系完备，由浅入深，系统性地介绍了深度学习模型的发展脉络，以及模型深度设计、模型宽度设计、模型通道维度设计、残差连接设计、分组卷积设计、多尺度与非正常卷积设计、多输入网络设计、时序神经网络设计、三维卷积网络设计、动态推理模型与注意力机制设计、生成对抗网络设计等主流的深度学习模型设计思想。同时，本书为各模型设计思想提供了大量的实例，供读者实战演练。 书中首先介绍了深度学习技术历史节点，包括控制论的诞生、神经网络正式以深度学习的名字再次复兴，以及深度学习时代的开启。接着，书中详细介绍了卷积神经网络(CNN) 的概念、发展历程以及在计算机视觉领域的应用。此外，还阐述了计算机视觉的定义与发展简史，以及生物学视觉原理与视觉分层理论，为我们理解和应用计算机视觉提供了理论基础。 书中还深入讨论了神经网络基础，包括神经网络的发展阶段、深度学习的重要分支、卷积神经网络的基础、神经网络的基本计算模型以及激活函数的选择等。同时，也介绍了数字图像基础概述，包括灰度量化与对比度、分辨率、清晰度以及数字图像处理与计算机视觉的联系等。 书中还详细讲解了