Deep Belief Nets in C++ and CUDA C: Volume 3: Convolutional Nets

Эта книга, третья в серии, посвящена реализации сверточных нейронных сетей (CNN) на C++ и CUDA C. Автор, Тимоти Мастерс, подробно рассматривает архитектуру и алгоритмы обучения сверточных сетей, начиная с основ многослойных нейросетей прямого распространения и заканчивая практическими аспектами программирования на GPU.

Книга начинается с обзора многослойных нейросетей, сравнения широких и глубоких архитектур, а затем переходит к ключевым концепциям сверточных слоев: локальные связи, ядра свертки, padding, stride и пулинг. Особое внимание уделяется математическим основам и эффективной реализации с использованием CUDA для ускорения вычислений.

Читатели узнают, как проектировать и обучать сверточные сети для задач компьютерного зрения и обработки изображений. Автор предоставляет подробные примеры кода на C++ и CUDA C, которые можно адаптировать для собственных проектов.

Книга предназначена для разработчиков и исследователей, имеющих опыт программирования на C++ и желающих углубиться в практическую реализацию глубокого обучения. Она будет полезна тем, кто хочет понять внутреннее устройство CNN и научиться создавать высокопроизводительные приложения для GPU.