掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度學習框架PyTorch:入門與實踐 版權信息
- ISBN：9787121330773
- 條形碼：9787121330773 ; 978-7-121-33077-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習框架PyTorch:入門與實踐 本書特色
書從多維數組Tensor開始，循序漸進地帶領讀者了解PyTorch各方面的基礎知識，并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*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。
深度學習框架PyTorch:入門與實踐 內容簡介
本書主要內容包括：PyTorch概述，PyTorch快速，PyTorch核對象：Tenosr和Variable，PyTorch神經絡具箱，PyTorch常具模塊，PyTorch實戰指南，Example之ImageNet等。
深度學習框架PyTorch:入門與實踐 目錄
目錄
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 屬于動態圖的未來
1.4 為什么選擇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**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的關系
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 關于__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
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 屬于動態圖的未來
1.4 為什么選擇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**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的關系
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 關于__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
展開全部
深度學習框架PyTorch:入門與實踐 作者簡介
陳云 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?看山杯機器學習挑戰賽”一等獎，“2017天池醫療AI大賽”第八名。 熱衷于推廣PyTorch，并有豐富的使用經驗，活躍于PyTorch論壇和知乎相關板塊。
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
自卑與超越
- >
莉莉和章魚
- >
姑媽的寶刀
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
二體千字文
- >
羅庸西南聯大授課錄
- >
史學評論
本類暢銷
