此书地址：
除深度学习外我还写了一本软件测试书。我大概是国内第1个，跨2个领域书籍的作者吧！
《Python软件测试实战宝典 系统覆盖5大软件测试技术主题，深解析软件测试的理论、方法、工具及管理方法，精准定位软件测试痛点》(智谷一川)【摘要 书评 试读】- 京东图书 (jd.com)
如何学习深度学习呢？
针对这个问题也许每个人都有不同的观点，本书的编排目录也就是我的学习过程。
大概是在2022年的时候，很偶然接触到这个领域，刚开始是没有什么信心觉得自己能够入门，因为这个领域十分的陌生，听起来也非常的高端，随便翻翻书，密密麻麻的数学公式真的看得头晕眼花。本着复杂的东西工作需要一定要搞懂的心态，然后立志坚定地开始了密集的学习，学习的过程是有点忙碌的，每天大概研究原理和看代码到23：00，周末也没有休息。
好在经过1个多月的样子，原来复杂的原理似乎懂了一些，根据原理看开源的代码也没有那么痛苦，也可以根据工作需要修改开源的代码实现某些功能，七七八八能够用了，但是自己觉得有点云里雾里的。赶巧在2022年底作为"新冠"最后阶段的密接人员在家闭关半个月，闲着无聊突发其想打算重写一些经典模型的代码，加强加深对于经典算法的理解。于是出于打发时光的目的，虽然代码写得很丑、可能还有较多错误之处，但好歹完成了本书大部分代码的主体。
然后又在机缘巧合之下跟出版社这边加上了好友，聊着、聊着就讨论到了如何学习深度学习，如何用最短的时间入门深度学习，也就有了此书的初衷。
因为定位0基础，所以准备了较多基础知识，本着更好的理解并在学习过程中逐步提高代码能力，也没有调用一些知名第3方集成库、或者直接解析开源代码，每个例子的每行代码都是经过自己理解(水平有限，可能有误)手敲过的，代码虽臭、但都有参考意义。
另外，阅读此书需要很强的数学吗？个人感觉读者只要会求导就行。本书涉及到的数学知识不够严谨。因为基本上对复杂的数学公式通过数值代入进行了"破坏性"计算，有着很详细的步骤(数学好的略过)，这样做的目的是为了更好的理解。在编程的世界里，复杂的数学公式很多时候就是一个Python函数，作为应用层，个人觉得怎么算、严不严谨，不是极度重要的，理解它背后做了什么事、意义是什么，够用就行。
以上只是个人观点，如有不妥之处，都是我的理解有误，还请指正。最后，本人水平有限和时间有限，书中难免有不妥之处，恳请广大读者批评指正。
本书内容简介：
本书从Python基础入手，循序渐进地讲到机器学习、深度学习等领域的算法原理和代码实现，在学习算法理论的同时也强调了代码工程能力的逐步提高
本书共分为6个章节
第1章从零基础介绍Python基础语法、Python数据处理库NumPy、Pandas、Matplotlib、OpenCV的使用；
第2章，主要介绍了机器学习算法的原理并配有代码实例，方便在理解原理的同时也能写出代码；
第3章，主要介绍深度学习框架TensorFlow、Keras、PyTorch的API和网络模型的搭建方法，力保读者能够掌握主流深度学习框架的使用；
第4章，主要介绍了CNN卷积神经网络各种卷积的特性，并同时代码实战了多个经典分类网络；
第5章，主要介绍了目标检测领域中多个经典算法的原理，并配套展现了代码调试的过程，将算法原理与代码进行了结合，方便更深入的理解算法原理；
第6章，主要分享了深度学习项目的分析和实现过程。
本书目录：
++[自序... 1](#自序... 1)++
++[内容简介... 2](#内容简介... 2)++
++[第1章 Python编程基础... 2](#第1章 Python编程基础... 2)++
++[1.1 环境搭建... 2](#1.1 环境搭建... 2)++
++[总结... 10](#总结... 10)++
++[练习... 10](#练习... 10)++
++[1.2 基础数据类型... 10](#1.2 基础数据类型... 10)++
++[1.2.1数值型... 10](#1.2.1数值型... 10)++
++[1.2.2字符串... 12](#1.2.2字符串... 12)++
++[1.2.3元组... 14](#1.2.3元组... 14)++
++[1.2.4列表... 15](#1.2.4列表... 15)++
++[1.2.5字典... 17](#1.2.5字典... 17)++
++[1.2.6集合... 19](#1.2.6集合... 19)++
++[1.2.7数据类型的转换... 20](#1.2.7数据类型的转换... 20)++
++[总结... 21](#总结... 21)++
++[练习... 21](#练习... 21)++
++[1.3 条件语句... 22](#1.3 条件语句... 22)++
++[总结... 26](#总结... 26)++
++[练习... 26](#练习... 26)++
++[1.4 循环语句... 26](#1.4 循环语句... 26)++
++[总结... 29](#总结... 29)++
++[练习... 29](#练习... 29)++
++[1.5 函数... 29](#1.5 函数... 29)++
++[总结... 33](#总结... 33)++
++[练习... 33](#练习... 33)++
++[1.6 类... 33](#1.6 类... 33)++
++[总结... 38](#总结... 38)++
++[练习... 38](#练习... 38)++
++[1.7 文件处理... 38](#1.7 文件处理... 38)++
++[总结... 38](#总结... 38)++
++[练习... 38](#练习... 38)++
++[1.8 异常处理... 38](#1.8 异常处理... 38)++
++[总结... 39](#总结... 39)++
++[练习... 39](#练习... 39)++
++[1.9 模块与包... 39](#1.9 模块与包... 39)++
++[总结... 41](#总结... 41)++
++[练习... 41](#练习... 41)++
++[1.10 包的管理... 41](#1.10 包的管理... 41)++
++[总结... 46](#总结... 46)++
++[练习... 46](#练习... 46)++
++[1.11 NumPy简介... 46](#1.11 NumPy简介... 46)++
++[1.11.1 NDArray的创建... 46](#1.11.1 NDArray的创建... 46)++
++[1.11.2 NDArray索引与切片... 47](#1.11.2 NDArray索引与切片... 47)++
++[1.11.3 NDArray常用运算函数... 51](#1.11.3 NDArray常用运算函数... 51)++
++[1.11.4 NDArray广播机制... 53](#1.11.4 NDArray广播机制... 53)++
++[总结... 54](#总结... 54)++
++[练习... 54](#练习... 54)++
++[1.12 Pandas简介... 54](#1.12 Pandas简介... 54)++
++[1.12.1 Pandas对象的创建... 54](#1.12.1 Pandas对象的创建... 54)++
++[1.12.2 Pandas的索引与切片... 55](#1.12.2 Pandas的索引与切片... 55)++
++[1.12.3 Pandas常用统计函数... 57](#1.12.3 Pandas常用统计函数... 57)++
++[1.12.4 Pandas文件操作... 58](#1.12.4 Pandas文件操作... 58)++
++[总结... 59](#总结... 59)++
++[练习... 59](#练习... 59)++
++[1.13 Matplotlib简介... 59](#1.13 Matplotlib简介... 59)++
++[1.13.1 Matplotlib基本使用流程... 59](#1.13.1 Matplotlib基本使用流程... 59)++
++[1.13.2 Matplotlib绘直方图、饼图等... 61](#1.13.2 Matplotlib绘直方图、饼图等... 61)++
++[1.13.3 Matplotlib绘3D图像... 63](#1.13.3 Matplotlib绘3D图像... 63)++
++[总结... 64](#总结... 64)++
++[练习... 64](#练习... 64)++
++[1.14 OpenCV简介... 65](#1.14 OpenCV简介... 65)++
++[1.14.1图片的读取和存储... 65](#1.14.1图片的读取和存储... 65)++
++[1.14.2画矩形、圆形等... 66](#1.14.2画矩形、圆形等... 66)++
++[1.14.2在图中增加文字... 67](#1.14.2在图中增加文字... 67)++
++[1.14.2读取视频或摄像头... 68](#1.14.2读取视频或摄像头... 68)++
++[总结... 69](#总结... 69)++
++[练习... 69](#练习... 69)++
++[第2章 机器学习基础... 69](#第2章 机器学习基础... 69)++
++[2.1HelloWorld之KNN算法... 69](#2.1HelloWorld之KNN算法... 69)++
++[2.1.1KNN算法原理... 69](#2.1.1KNN算法原理... 69)++
++[2.1.2KNN算法代码实现... 71](#2.1.2KNN算法代码实现... 71)++
++[总结... 73](#总结... 73)++
++[练习... 73](#练习... 73)++
++[2.2梯度下降... 74](#2.2梯度下降... 74)++
++[2.2.1什么是梯度下降... 74](#2.2.1什么是梯度下降... 74)++
++[2.2.2梯度下降的代码实现... 76](#2.2.2梯度下降的代码实现... 76)++
++[2.2.3SGD、BGD和MBGD. 77](#2.2.3SGD、BGD和MBGD. 77)++
++[2.2.4Momentum优化算法... 83](#2.2.4Momentum优化算法... 83)++
++[2.2.5NAG优化算法... 86](#2.2.5NAG优化算法... 86)++
++[2.2.6AdaGrad优化算法... 89](#2.2.6AdaGrad优化算法... 89)++
++[2.2.7RMSprop优化算法... 92](#2.2.7RMSprop优化算法... 92)++
++[2.2.8AdaDelta优化算法... 95](#2.2.8AdaDelta优化算法... 95)++
++[2.2.9Adam优化算法... 98](#2.2.9Adam优化算法... 98)++
++[2.2.10学习率的衰减... 101](#2.2.10学习率的衰减... 101)++
++[总结... 106](#总结... 106)++
++[练习... 106](#练习... 106)++
++[2.3线性回归... 107](#2.3线性回归... 107)++
++[2.3.1梯度下降求解线性回归... 107](#2.3.1梯度下降求解线性回归... 107)++
++[2.3.2梯度下降求解多元线性回归... 113](#2.3.2梯度下降求解多元线性回归... 113)++
++[总结... 117](#总结... 117)++
++[练习... 117](#练习... 117)++
++[2.4逻辑回归... 117](#2.4逻辑回归... 117)++
++[2.4.1最大似然估计... 117](#2.4.1最大似然估计... 117)++
++[2.4.2梯度下降求解逻辑回归... 118](#2.4.2梯度下降求解逻辑回归... 118)++
++[总结... 126](#总结... 126)++
++[练习... 126](#练习... 126)++
++[2.5聚类算法... 126](#2.5聚类算法... 126)++
++[总结... 133](#总结... 133)++
++[练习... 133](#练习... 133)++
++[2.6神经网络... 133](#2.6神经网络... 133)++
++[2.6.1什么是神经网络... 133](#2.6.1什么是神经网络... 133)++
++[2.6.2反向传播算法... 139](#2.6.2反向传播算法... 139)++
++[2.6.3SoftMax反向传播... 145](#2.6.3SoftMax反向传播... 145)++
++[总结... 149](#总结... 149)++
++[练习... 149](#练习... 149)++
++[2.7欠拟合与过拟合... 149](#2.7欠拟合与过拟合... 149)++
++[总结... 153](#总结... 153)++
++[练习... 153](#练习... 153)++
++[2.8正则化... 153](#2.8正则化... 153)++
++[总结... 161](#总结... 161)++
++[练习... 161](#练习... 161)++
++[2.9梯度消失与梯度爆炸... 161](#2.9梯度消失与梯度爆炸... 161)++
++[总结... 170](#总结... 170)++
++[练习... 170](#练习... 170)++
++[第3章 深度学习框架... 171](#第3章 深度学习框架... 171)++
++[3.1基本概念... 171](#3.1基本概念... 171)++
++[总结... 172](#总结... 172)++
++[练习... 172](#练习... 172)++
++[3.2环境搭建... 172](#3.2环境搭建... 172)++
++[总结... 179](#总结... 179)++
++[练习... 179](#练习... 179)++
++[3.3TensorFlow基础函数... 179](#3.3TensorFlow基础函数... 179)++
++[3.3.1TensorFlow初始类型... 179](#3.3.1TensorFlow初始类型... 179)++
++[3.3.2TensorFlow指定设备... 180](#3.3.2TensorFlow指定设备... 180)++
++[3.3.3TensorFlow数学运算... 181](#3.3.3TensorFlow数学运算... 181)++
++[3.3.4TensorFlow维度变化... 184](#3.3.4TensorFlow维度变化... 184)++
++[3.3.5TensorFlow切片取值... 185](#3.3.5TensorFlow切片取值... 185)++
++[3.3.6TensorFlow中gather取值... 186](#3.3.6TensorFlow中gather取值... 186)++
++[3.3.7TensorFlow中布尔取值... 189](#3.3.7TensorFlow中布尔取值... 189)++
++[3.3.8TensorFlow张量合并... 190](#3.3.8TensorFlow张量合并... 190)++
++[3.3.9TensorFlow网格坐标... 191](#3.3.9TensorFlow网格坐标... 191)++
++[3.3.10TensorFlow自动求梯度... 192](#3.3.10TensorFlow自动求梯度... 192)++
++[总结... 193](#总结... 193)++
++[练习... 193](#练习... 193)++
++[3.4TensorFlow中的Keras模型搭建... 193](#3.4TensorFlow中的Keras模型搭建... 193)++
++[3.4.1tf.keras简介... 193](#3.4.1tf.keras简介... 193)++
++[3.4.2基于tf.keras.Sequential模型搭建... 194](#3.4.2基于tf.keras.Sequential模型搭建... 194)++
++[3.4.3继承tf.keras.Model类模型搭建... 196](#3.4.3继承tf.keras.Model类模型搭建... 196)++
++[3.4.4函数式模型搭建... 196](#3.4.4函数式模型搭建... 196)++
++[总结... 197](#总结... 197)++
++[练习... 197](#练习... 197)++
++[3.5TensorFlow中模型的训练方法... 197](#3.5TensorFlow中模型的训练方法... 197)++
++[3.5.1使用model.fit训练模型... 197](#3.5.1使用model.fit训练模型... 197)++
++[3.5.2使用model.train_on_batch训练模型... 201](#3.5.2使用model.train_on_batch训练模型... 201)++
++[3.5.3 自定义模型训练... 202](#3.5.3 自定义模型训练... 202)++
++[总结... 204](#总结... 204)++
++[练习... 204](#练习... 204)++
++[3.6TensorFlow中Metrics评价指标... 205](#3.6TensorFlow中Metrics评价指标... 205)++
++[3.6.1准确率... 205](#3.6.1准确率... 205)++
++[3.6.2精确率... 206](#3.6.2精确率... 206)++
++[3.6.3召回率... 207](#3.6.3召回率... 207)++
++[3.6.4P-R曲线... 208](#3.6.4P-R曲线... 208)++
++[3.6.6ROC曲线... 211](#3.6.6ROC曲线... 211)++
++[3.6.7AUC曲线... 213](#3.6.7AUC曲线... 213)++
++[3.6.8混淆矩阵... 214](#3.6.8混淆矩阵... 214)++
++[总结... 216](#总结... 216)++
++[练习... 216](#练习... 216)++
++[3.7TensorFlow中推理预测... 216](#3.7TensorFlow中推理预测... 216)++
++[总结... 217](#总结... 217)++
++[练习... 217](#练习... 217)++
++[3.8PyTorch搭建神经⽹络... 217](#3.8PyTorch搭建神经⽹络... 217)++
++[3.8.1PyTorch转换为张量... 217](#3.8.1PyTorch转换为张量... 217)++
++[3.8.2PyTorch指定设备... 218](#3.8.2PyTorch指定设备... 218)++
++[3.8.3PyTorch数学运算... 219](#3.8.3PyTorch数学运算... 219)++
++[3.8.4PyTorch维度变化... 219](#3.8.4PyTorch维度变化... 219)++
++[3.8.5PyTorch切片取值... 220](#3.8.5PyTorch切片取值... 220)++
++[3.8.6PyTorch中gather取值... 220](#3.8.6PyTorch中gather取值... 220)++
++[3.8.7PyTorch中布尔取值... 220](#3.8.7PyTorch中布尔取值... 220)++
++[3.8.8PyTorch张量合并... 221](#3.8.8PyTorch张量合并... 221)++
++[3.8.9PyTorch模型搭建... 221](#3.8.9PyTorch模型搭建... 221)++
++[3.8.10PyTorch模型自定义训练... 223](#3.8.10PyTorch模型自定义训练... 223)++
++[3.8.11PyTorch调用Keras训练... 225](#3.8.11PyTorch调用Keras训练... 225)++
++[3.8.12PyTorch调用TorchMetrics评价指标... 227](#3.8.12PyTorch调用TorchMetrics评价指标... 227)++
++[3.8.13PyTorch中推理预测... 230](#3.8.13PyTorch中推理预测... 230)++
++[总结... 231](#总结... 231)++
++[练习... 231](#练习... 231)++
++[第4章 卷积神经网络... 231](#第4章 卷积神经网络... 231)++
++[4.1卷积... 232](#4.1卷积... 232)++
++[4.1.1为什么用卷积... 232](#4.1.1为什么用卷积... 232)++
++[4.1.2单通道卷积计算... 232](#4.1.2单通道卷积计算... 232)++
++[4.1.3多通道卷积计算... 236](#4.1.3多通道卷积计算... 236)++
++[4.1.4卷积padding和valid. 239](#4.1.4卷积padding和valid. 239)++
++[4.1.5感受野... 242](#4.1.5感受野... 242)++
++[4.1.6卷积程序计算过程... 243](#4.1.6卷积程序计算过程... 243)++
++[总结... 246](#总结... 246)++
++[练习... 246](#练习... 246)++
++[4.2池化... 246](#4.2池化... 246)++
++[总结... 250](#总结... 250)++
++[练习... 250](#练习... 250)++
++[4.3卷积神经网络的组成要素... 250](#4.3卷积神经网络的组成要素... 250)++
++[总结... 251](#总结... 251)++
++[练习... 251](#练习... 251)++
++[4.4常见卷积分类... 251](#4.4常见卷积分类... 251)++
++[4.4.1分组卷积... 251](#4.4.1分组卷积... 251)++
++[4.4.2逐点卷积... 252](#4.4.2逐点卷积... 252)++
++[4.4.3深度可分离卷积... 253](#4.4.3深度可分离卷积... 253)++
++[4.4.4空间可分离卷积... 255](#4.4.4空间可分离卷积... 255)++
++[4.4.5空洞卷积... 255](#4.4.5空洞卷积... 255)++
++[4.4.6转置卷积... 257](#4.4.6转置卷积... 257)++
++[4.4.7可变形卷积... 258](#4.4.7可变形卷积... 258)++
++[总结... 260](#总结... 260)++
++[练习... 260](#练习... 260)++
++[4.5卷积神经网络LeNet5. 260](#4.5卷积神经网络LeNet5. 260)++
++[4.5.1模型介绍... 260](#4.5.1模型介绍... 260)++
++[4.5.2代码实战... 261](#4.5.2代码实战... 261)++
++[总结... 264](#总结... 264)++
++[练习... 264](#练习... 264)++
++[4.6深度卷积神经网络AlexNet. 265](#4.6深度卷积神经网络AlexNet. 265)++
++[4.6.1模型介绍... 265](#4.6.1模型介绍... 265)++
++[4.6.2代码实战... 265](#4.6.2代码实战... 265)++
++[总结... 269](#总结... 269)++
++[练习... 269](#练习... 269)++
++[4.7使用重复元素的网络VGG. 270](#4.7使用重复元素的网络VGG. 270)++
++[4.7.1模型介绍... 270](#4.7.1模型介绍... 270)++
++[4.7.2代码实战... 271](#4.7.2代码实战... 271)++
++[总结... 272](#总结... 272)++
++[练习... 272](#练习... 272)++
++[4.8合并连接网络GoogleNet. 273](#4.8合并连接网络GoogleNet. 273)++
++[4.8.1模型介绍... 273](#4.8.1模型介绍... 273)++
++[4.8.2代码实战... 278](#4.8.2代码实战... 278)++
++[总结... 282](#总结... 282)++
++[练习... 282](#练习... 282)++
++[4.9残差网络ResNet. 282](#4.9残差网络ResNet. 282)++
++[4.9.1残差块... 282](#4.9.1残差块... 282)++
++[4.9.2归一化... 285](#4.9.2归一化... 285)++
++[4.9.3模型介绍... 292](#4.9.3模型介绍... 292)++
++[4.9.4代码实战... 293](#4.9.4代码实战... 293)++
++[总结... 295](#总结... 295)++
++[练习... 295](#练习... 295)++
++[4.10轻量级网络MobileNet. 295](#4.10轻量级网络MobileNet. 295)++
++[4.10.1模型介绍... 295](#4.10.1模型介绍... 295)++
++[4.10.2注意力机制... 300](#4.10.2注意力机制... 300)++
++[4.10.3代码实战... 310](#4.10.3代码实战... 310)++
++[总结... 314](#总结... 314)++
++[练习... 314](#练习... 314)++
++[4.11轻量级网络ShuffleNet. 314](#4.11轻量级网络ShuffleNet. 314)++
++[4.11.1模型介绍... 314](#4.11.1模型介绍... 314)++
++[4.11.2代码实战... 320](#4.11.2代码实战... 320)++
++[总结... 323](#总结... 323)++
++[练习... 323](#练习... 323)++
++[4.12重参数网络RepVGGNet. 323](#4.12重参数网络RepVGGNet. 323)++
++[4.12.1模型介绍... 323](#4.12.1模型介绍... 323)++
++[4.12.2代码实战... 328](#4.12.2代码实战... 328)++
++[总结... 332](#总结... 332)++
++[练习... 332](#练习... 332)++
++[第5章 目标检测... 332](#第5章 目标检测... 332)++
++[5.1标签处理及代码... 333](#5.1标签处理及代码... 333)++
++[总结... 338](#总结... 338)++
++[练习... 338](#练习... 338)++
++[5.2开山之作R-CNN. 338](#5.2开山之作R-CNN. 338)++
++[5.2.1模型介绍... 338](#5.2.1模型介绍... 338)++
++[5.2.2 代码实战选择区域搜索... 339](#5.2.2 代码实战选择区域搜索... 339)++
++[5.2.3 代码实战正负样本选择... 339](#5.2.3 代码实战正负样本选择... 339)++
++[5.2.4 代码实战特征提取... 344](#5.2.4 代码实战特征提取... 344)++
++[5.2.6 代码实战SVM分类训练... 345](#5.2.6 代码实战SVM分类训练... 345)++
++[5.2.7 代码实战边界框回归训练... 346](#5.2.7 代码实战边界框回归训练... 346)++
++[5.2.8 代码实战预测推理... 348](#5.2.8 代码实战预测推理... 348)++
++[总结... 352](#总结... 352)++
++[练习... 352](#练习... 352)++
++[5.3 两阶段网络Faster R-CNN. 352](#5.3 两阶段网络Faster R-CNN. 352)++
++[5.3.1模型介绍... 352](#5.3.1模型介绍... 352)++
++[5.3.2 代码实战RPN、ROI模型搭建... 357](#5.3.2 代码实战RPN、ROI模型搭建... 357)++
++[5.3.3 代码实战RPN损失函数及训练... 360](#5.3.3 代码实战RPN损失函数及训练... 360)++
++[5.3.4 代码实战ROI损失函数及训练... 365](#5.3.4 代码实战ROI损失函数及训练... 365)++
++[5.3.5 代码实战预测推理... 369](#5.3.5 代码实战预测推理... 369)++
++[总结... 371](#总结... 371)++
++[练习... 371](#练习... 371)++
++[5.4 单阶段多尺度检测网络SSD. 371](#5.4 单阶段多尺度检测网络SSD. 371)++
++[5.4.1模型介绍... 371](#5.4.1模型介绍... 371)++
++[5.4.2 代码实战模型搭建... 375](#5.4.2 代码实战模型搭建... 375)++
++[5.4.3 代码实战建议框的生成... 380](#5.4.3 代码实战建议框的生成... 380)++
++[5.4.4 代码实战损失函数的构建及训练... 386](#5.4.4 代码实战损失函数的构建及训练... 386)++
++[5.4.5 代码实战预测推理... 389](#5.4.5 代码实战预测推理... 389)++
++[总结... 390](#总结... 390)++
++[练习... 390](#练习... 390)++
++[5.5 单阶段速度快的检测网络Yolo1. 390](#5.5 单阶段速度快的检测网络Yolo1. 390)++
++[5.5.1模型介绍... 390](#5.5.1模型介绍... 390)++
++[5.5.2代码实战模型搭建... 393](#5.5.2代码实战模型搭建... 393)++
++[5.5.3无建议框时标注框编码... 394](#5.5.3无建议框时标注框编码... 394)++
++[5.5.4代码实现损失函数的构建及训练... 396](#5.5.4代码实现损失函数的构建及训练... 396)++
++[5.4.5 代码实战预测推理... 401](#5.4.5 代码实战预测推理... 401)++
++[总结... 404](#总结... 404)++
++[练习... 405](#练习... 405)++
++[5.6 单阶段速度快的检测网络Yolo2. 405](#5.6 单阶段速度快的检测网络Yolo2. 405)++
++[5.6.1模型介绍... 405](#5.6.1模型介绍... 405)++
++[5.6.2代码实战模型搭建... 407](#5.6.2代码实战模型搭建... 407)++
++[5.6.3代码实战聚类得到建议框宽高... 409](#5.6.3代码实战聚类得到建议框宽高... 409)++
++[5.6.4代码实战建议框的生成... 410](#5.6.4代码实战建议框的生成... 410)++
++[5.6.5代码实现损失函数的构建及训练... 413](#5.6.5代码实现损失函数的构建及训练... 413)++
++[5.6.5 代码实战预测推理... 419](#5.6.5 代码实战预测推理... 419)++
++[总结... 424](#总结... 424)++
++[练习... 424](#练习... 424)++
++[5.7 单阶段速度快多检测头网络Yolo3. 424](#5.7 单阶段速度快多检测头网络Yolo3. 424)++
++[5.7.1模型介绍... 424](#5.7.1模型介绍... 424)++
++[5.7.2代码实战模型搭建... 431](#5.7.2代码实战模型搭建... 431)++
++[5.7.3代码实战建议框的生成... 433](#5.7.3代码实战建议框的生成... 433)++
++[5.7.4代码实现损失函数的构建及训练... 437](#5.7.4代码实现损失函数的构建及训练... 437)++
++[5.7.5 代码实战预测推理... 439](#5.7.5 代码实战预测推理... 439)++
++[总结... 443](#总结... 443)++
++[练习... 443](#练习... 443)++
++[5.8 单阶段速度快多检测头网络Yolo4. 443](#5.8 单阶段速度快多检测头网络Yolo4. 443)++
++[5.8.1模型介绍... 443](#5.8.1模型介绍... 443)++
++[5.8.2代码实战模型搭建... 448](#5.8.2代码实战模型搭建... 448)++
++[5.8.3代码实战建议框的生成... 452](#5.8.3代码实战建议框的生成... 452)++
++[5.8.4代码实现损失函数的构建及训练... 454](#5.8.4代码实现损失函数的构建及训练... 454)++
++[5.8.5 代码实战预测推理... 457](#5.8.5 代码实战预测推理... 457)++
++[总结... 457](#总结... 457)++
++[练习... 457](#练习... 457)++
++[5.9 单阶段速度快多检测头网络Yolo5. 457](#5.9 单阶段速度快多检测头网络Yolo5. 457)++
++[5.9.1模型介绍... 457](#5.9.1模型介绍... 457)++
++[5.9.2代码实战模型搭建... 461](#5.9.2代码实战模型搭建... 461)++
++[5.9.3代码实战建议框的生成... 465](#5.9.3代码实战建议框的生成... 465)++
++[5.9.4代码实现损失函数的构建及训练... 469](#5.9.4代码实现损失函数的构建及训练... 469)++
++[5.9.5 代码实战预测推理... 471](#5.9.5 代码实战预测推理... 471)++
++[总结... 471](#总结... 471)++
++[练习... 472](#练习... 472)++
++[5.10 单阶段速度快多检测头网络Yolo7. 472](#5.10 单阶段速度快多检测头网络Yolo7. 472)++
++[5.10.1模型介绍... 472](#5.10.1模型介绍... 472)++
++[5.10.2代码实战模型搭建... 474](#5.10.2代码实战模型搭建... 474)++
++[5.10.3代码实战建议框的生成... 479](#5.10.3代码实战建议框的生成... 479)++
++[5.10.5代码实现损失函数的构建及训练... 494](#5.10.5代码实现损失函数的构建及训练... 494)++
++[5.10.6 代码实战预测推理... 496](#5.10.6 代码实战预测推理... 496)++
++[总结... 496](#总结... 496)++
++[练习... 497](#练习... 497)++
++[5.11 数据增强... 497](#5.11 数据增强... 497)++
++[5.11.1 数据增强的作用... 497](#5.11.1 数据增强的作用... 497)++
++[5.11.3代码实现MixUp数据增强... 499](#5.11.3代码实现MixUp数据增强... 499)++
++[5.11.4代码实现随机复制Label数据增强... 500](#5.11.4代码实现随机复制Label数据增强... 500)++
++[5.11.5代码实现Mosic数据增强... 501](#5.11.5代码实现Mosic数据增强... 501)++
++[总结... 504](#总结... 504)++
++[练习... 504](#练习... 504)++
++[第6章 项目实战... 504](#第6章 项目实战... 504)++
++[6.1 计算机视觉项目的工作流程... 504](#6.1 计算机视觉项目的工作流程... 504)++
++[总结... 505](#总结... 505)++
++[练习... 506](#练习... 506)++
++[6.2 条形码项目实战... 506](#6.2 条形码项目实战... 506)++
++[6.2.1 项目背景分析... 506](#6.2.1 项目背景分析... 506)++
++[6.2.2 整体技术方案... 506](#6.2.2 整体技术方案... 506)++
++[6.2.3 数据分布分析... 508](#6.2.3 数据分布分析... 508)++
++[6.2.4 参数设置... 520](#6.2.4 参数设置... 520)++
++[6.2.5 训练结果分析... 521](#6.2.5 训练结果分析... 521)++
++[6.2.6 OpenCV DNN实现推理... 523](#6.2.6 OpenCV DNN实现推理... 523)++
++[总结... 527](#总结... 527)++
++[练习... 527](#练习... 527)++
++[致谢... 527](#致谢... 527)++
++[参考文献... 527](#参考文献... 527)++
重点内容图形介绍：
