強者用 PyTorch:實作史上最經典 AI 範例

集智俱樂部

  • 出版商: 深智數位
  • 出版日期: 2020-01-20
  • 定價: $690
  • 售價: 8.5$587
  • 語言: 繁體中文
  • 頁數: 496
  • 裝訂: 平裝
  • ISBN: 9865501120
  • ISBN-13: 9789865501129
  • 相關分類: DeepLearning
  • 已絕版

買這商品的人也買了...

商品描述

本書特色

深度學習、PyTorch的入門書

透過實際經典案例循序講解

內容簡介

 

還在用難用的Tensorflow嗎?還在用太簡單的Keras嗎?

2020年將是Pytorch正式超越Tensorflow、一統人工智慧框架世界的時代,如果還在頭痛怎麼用Tensorflow實作MNIST,快點投入PyTorch的懷抱吧!

本書實作最經典的人工智慧神經網路的案例,並且放入最新真實世界中的應用範例,如果有心要學習人工智慧,這本PyTorch實例書將帶你完成史上最有名的幾個經典範例,讓你功力大增之外,更一舉成為人工智慧的強者!

全書重點包括:

深度學習一路走來的歷史

PyTorch的張量、自動微分及nn模組的介紹

預測共享單車投放數量

中文文章情緒分析器

一定要會的用CNN完成MNIST的辨識

大型遷移學習對動物分類進行預測

MNIST的進一步,幫你把數字加起來

自己動手做PRISMA20種藝術家風格轉到你的照片

假新聞有什麼稀奇,假以亂真的照片才叫厲害:GAN實作

NLP的大神Word2Vec的實作

人工智慧音樂家:利用LSTM製作自動作曲機

Google的祕密武器:神經網路翻譯系統實作

外掛有什麼了不起?用AI打電動,強化學習實作

專家推薦

「這本書緊接業界潮流,將人工智慧科普帶入了後AlphaGo 時代:遊戲飛鳥、自動作曲、語義星空⋯⋯涵蓋了深度學習領域的主流玩法。書中既有清晰容易的知識說明,讓你打好理論基礎,又有詳細的程式展示,一步步地教你做實際專案。這是一本揭示深度學習的秘笈!」

袁行遠,彩雲科技CEO、創始人

「本書寓教於樂,精心設計的實戰案例和循序漸進的學習方式都令人耳目一新。先從實戰專案出發,然後引用理論說明,最後深入剖析工作原理,環環相扣,引人入勝。期待看到PyTorch 之火的燎原之勢。」

高文超,微軟研究院軟體開發工程

「以2011 年AlexNet 贏得ImageNet 競賽為起始點,深度學習迅速席捲了整個人工智慧領域,但目前出版的有關深度學習的書大多偏重理論。這本書注重理論和實作的緊密結合,讀者可以在瞭解深度學

習原理之後,立刻跟隨書中的程式動手實作,加深了解。如果想要追上人工智慧的浪潮,這本書是一個不錯的開始。」

鮑捷,文因互連CEO、聯合創始人

適合讀者群:人工智慧相關軟體工程師、對人工智慧有興趣者,或作為深度學習教材用。

作者簡介

集智俱樂部(Swarma Club)
成立於2003年,是一個從事學術研究、享受科學樂趣的探索者團體。宣導以平等開放的態度、科學實證的精神,進行跨學科的研究與交流,力圖搭建一個「沒有圍牆的研究所」。 

目錄大綱

前言

01 深度學習簡介

1.1 深度學習與人工智慧

1.2 深度學習的歷史淵源

1.3 深度學習的影響因素

1.4 深度學習為什麼如此成功

1.5 小結

1.6 參考文獻

02 PyTorch 簡介

2.1 PyTorch 安裝

2.2 初識PyTorch

2.3 PyTorch 實例:預測房價

2.4 小結

03 單車預測器:你的第一個神經網路

3.1 共享單車的煩惱

3.2 單車預測器1.0

3.3 單車預測器2.0

3.4 剖析神經網路Neu

3.5 小結

3.6 Q&A

04 機器也懂感情-- 中文情緒分類器

4.1 神經網路分類器

4.2 詞袋模型分類器

4.3 程式實現

4.4 執行結果6

4.5 剖析神經網路

4.6 小結

4.7 Q&A

05 手寫數字識別器-- 認識卷積神經網路

5.1 什麼是卷積神經網路

5.2 手寫數字識別器

5.3 剖析卷積神經網路

5.4 小結

5.5 Q&A

5.6 擴充閱讀

06 手寫數字加法機-- 遷移學習

6.1 什麼是遷移學習

6.2 應用案例:遷移學習如何抗擊貧困

6.3 螞蟻還是蜜蜂:遷移大型卷積神經網路

6.4 手寫數字加法機

6.5 小結

6.6 實作專案:遷移與效率

07 你自己的Prisma -- 影像風格遷移

7.1 什麼是風格遷移

7.2 風格遷移技術發展簡史

7.3 神經網路風格遷移

7.4 神經網路風格遷移實戰

7.5 小結

7.6 擴充閱讀

08 人工智慧造假術-- 影像產生與對抗學習

8.1 反卷積與影像產生

8.2 影像產生實驗1-- 最小均方誤差模型

8.3 影像產生實驗2-- 產生器—識別器模型

8.4 影像產生實驗3--GAN

8.5 小結

8.6 Q&A

8.7 擴充閱讀

09 詞彙的星空-- 神經語言模型與Word2Vec

9.1 詞向量技術介紹

9.2 NPLM:神經機率語言模型

9.3 Word2Vec

9.4 Word2Vec 的應用

9.5 小結

9.6 Q&A

10  LSTM 作曲機-- 序列產生模型

10.1 序列產生問題

10.2 RNN LSTM

10.3 簡單01 序列的學習問題

10.4 LSTM 作曲機

10.5 小結

10.6 Q&A

10.7 擴充閱讀

11 神經翻譯機-- 點對點機器翻譯

11.1 機器翻譯簡介

11.2 編碼—解碼模型

11.3 注意力機制

11.4 更多的改進

11.5 神經翻譯機的編碼實現

11.6 更多改進

11.7 廣義的翻譯

11.8 Q&A

12  AI 遊戲高手-- 深度強化學習

12.1 強化學習簡介

12.2 深度Q 學習演算法

12.3 DQN Flappy Bird PyTorch 實現

12.4 小結

12.5 通用人工智慧還有多遠

12.6 Q&A

12.7 參考文獻