深度學習框架 PyTorch : 入門與實踐 深度学习框架PyTorch:入门与实践
陳雲
- 出版商: 電子工業
- 出版日期: 2018-01-01
- 定價: $390
- 售價: 8.5 折 $332
- 語言: 簡體中文
- 頁數: 289
- 裝訂: 平裝
- ISBN: 7121330776
- ISBN-13: 9787121330773
-
相關分類:
DeepLearning
-
相關翻譯:
比 Tensorflow 還精美的人工智慧套件:PyTorch 讓你愛不釋手 (繁中版)
深度學習框架 PyTorch:入門與實踐, 2/e (簡中版)
買這商品的人也買了...
-
$403解析深度學習 : 語音識別實踐
-
$147OpenCV 3 計算機視覺 : Python 語言實現, 2/e (Learning OpenCV 3 Computer Vision with Python, 2/e)
-
$403深度學習 : Caffe 之經典模型詳解與實戰
-
$500$425 -
$590$460 -
$857$806 -
$580$458 -
$403深度學習與計算機視覺 : 算法原理、框架應用與代碼實現 (Deep Learning & Computer Vision:Algorithms and Examples)
-
$403深度學習入門之 PyTorch
-
$500$390 -
$780$616 -
$450深入淺出強化學習 : 原理入門
-
$505深度學習 : 一起玩轉 TensorLayer
-
$454TensorFlow 深度學習應用實踐
-
$380$300 -
$581深度捲積網絡 : 原理與實踐
-
$374深度學習之 PyTorch 實戰電腦視覺
-
$620$527 -
$301神經網絡與 PyTorch 實戰
-
$540$459 -
$280PyTorch 機器學習從入門到實戰
-
$420$328 -
$500$395 -
$690$587 -
$580$493
商品描述
書從多維數組Tensor開始,循序漸進地帶領讀者瞭解PyTorch各方面的基礎知識,並結合基礎知識和前沿研究,帶領讀者從零開始完成幾個經典有趣的深度學習小目,包括GAN 生成動漫頭像、AI濾鏡、AI 寫詩等。本書沒有簡單機械地介紹各個函數接口的使用,而是嘗試分門別類、循序漸進地向讀者介紹PyTorch的知識,希望讀者對PyTorch有一個完整的認識。本書內容由淺入深,無論是深度學習的初學者,還是第一次接觸PyTorch的研究人員,都能在學習本書的過程中快速掌握PyTorch。即使是有一定PyTorch使用經驗的用戶,也能夠從本書中獲得對PyTorch 不一樣的理解。
作者簡介
陳雲
Python程序員、Linux愛好者和PyTorch源碼貢獻者。主要研究方向包括計算機視覺和機器學習。“2017知乎看山盃機器學習挑戰賽”一等獎,“2017天池醫療AI大賽”第八名。熱衷於推廣PyTorch,並有豐富的使用經驗,活躍於PyTorch論壇和知乎相關板塊。
目錄大綱
1 PyTorch簡介
1.1 PyTorch的誕生
1.2常見的深度學習框架簡介
1.2.1 Theano
1.2.2 TensorFlow
1.2.3 Keras
1.2.4 Caffe/Caffe2
1.2.5 MXNet
1.2.6 CNTK
1.2.7其他框架
1.3屬於動態圖的未來
1.4為什麼選擇PyTorch
1.5星火燎原
1.6 fast.ai放棄Keras+TensorFlow選擇PyTorch
2快速入門
2.1安裝與配置
2.1.1安裝PyTorch
2.1.2學習環境配置
2.2 PyTorch入門第一步
2.2.1 Tensor
2.2.2 Autograd :自動微分
2.2.3神經網絡
2.2.4小試牛刀:CIFAR-10分類
3 Tensor和autograd
3.1 Tensor
3.1.1基礎操作
3.1.2 Tensor和Numpy
3.1.3內部結構
3.1.4其他有關Tensor的話題
3.1.5小試牛刀:線性回歸
3.2 autograd
3.2.1 Variable
3.2.2計算圖
3.2.3擴展autograd
3.2.4小試牛刀:用Variable實現線性回歸
4神經網絡工具箱nn
4.1 nn.Module
4.2常用的神經網絡層
4.2.1圖像相關層
4.2.2激活函數
4.2.3循環神經網絡層
4.2.4損失函數
4.3優化器
4.4 nn.functional
4.5初始化策略
4.6 nn.Module深入分析
4.7 nn和autograd的關係
4.8小試牛刀:用50行代碼搭建ResNet
5 PyTorch中常用的工具
5.1數據處理
5.2計算機視覺工具包:torchvision
5.3可視化工具
5.3.1 Tensorboard
5.3.2 visdom
5.4使用GPU加速:cuda
5.5持久化
6 PyTorch實戰指南
6.1編程實戰:貓和狗二分類
6.1.1比賽介紹
6.1.2文件組織架構
6.1.3關於__init__.py
6.1.4數據加載
6.1.5模型定義
6.1.6工具函數
6.1.7配置文件
6.1.8 main.py
6.1.9使用
6.1 .10爭議
6.2 PyTorch Debug指南
6.2.1 ipdb介紹
6.2.2在PyTorch中Debug
7 AI插畫師:生成對抗網絡
7.1 GAN的原理簡介
7.2用GAN生成動漫頭像
7.3實驗結果分析
8 AI藝術家:神經網絡風格遷移
8.1風格遷移原理介紹
8.2用PyTorch實現風格遷移
8.3實驗結果分析
9 AI詩人:用RNN寫詩
9.1自然語言處理的基礎知識
9.1.1詞向量
9.1.2 RNN
9.2 CharRNN
9.3用PyTorch實現CharRNN
9.4實驗結果分析
10 Image Caption:讓神經網絡看圖講故事
10.1圖像描述介紹
10.2數據
10.2.1數據介紹
10.2.2圖像數據處理
10.2.3數據加載
10.3模型與訓練
10.4實驗結果分析
11展望與未來
11.1 PyTorch的局限與發展
11.2使用建議