中图网(原中国图书网)：网上书店，尾货特色书店，30万种特价书低至2折！

歡迎光臨中圖網 請 | 注冊
> >
碼農的零門檻AI課:基于FASTAI與PYTORCH的深度學習

包郵 碼農的零門檻AI課:基于FASTAI與PYTORCH的深度學習

出版社：電子工業出版社出版時間：2023-06-01
開本： 其他 頁數： 572
中 圖 價:¥125.3(7.0折) 定價  ¥179.0 登錄后可看到會員價
加入購物車 收藏
開年大促， 全場包郵
?新疆、西藏除外
本類五星書更多>

碼農的零門檻AI課:基于FASTAI與PYTORCH的深度學習 版權信息

  • ISBN：9787121455728
  • 條形碼：9787121455728 ; 978-7-121-45572-8
  • 裝幀：平裝-膠訂
  • 冊數：暫無
  • 重量：暫無
  • 所屬分類：>

碼農的零門檻AI課:基于FASTAI與PYTORCH的深度學習 本書特色

深度學習領域的圣經，解鎖從實踐到原理的*佳學習路徑
完美的互動式旅程，在復雜技術概念與工具應用間輕松對話
為菜鳥、老鳥提供學習AI和其他領域技術的*佳資源環境
隨時隨地用有效代碼搭建系統，“人人都可以學會深度學習”
打開深度學習的黑盒子，解答人工智能的技術與道德邊界

碼農的零門檻AI課:基于FASTAI與PYTORCH的深度學習 內容簡介

深度學習通常被視為數學博士和大型科技公司的專屬領域。但是正如本書所呈現的那樣，熟悉Python的程序員可以通過少量的數學背景、少量的數據和*少的代碼在深度學習中取得令人震驚的成果。fastai是**個為*常用的深度學習應用程序提供一致接口的庫。本書的兩位作者用口語化且簡單明了的方式描述了各種抽象的理論概念，希望通過本書能讓盡可能多的人了解深度學習。這本書深入淺出地介紹了深度學習的概念，并為讀者提供了掌握深度學習的詳細指導。 本書的目標讀者是對深度學習感興趣的廣大程序員，只要你有一些編程基礎，即可通過這本書輕松上手深度學習。

碼農的零門檻AI課:基于FASTAI與PYTORCH的深度學習 目錄

前言......xxi 序......xxvii 第Ⅰ部分　上手實踐深度學習 第 1 章　你的深度學習之旅........ 3 人人都可以學會深度學習 ...... 3 神經網絡簡史 .......... 5 作者介紹 ............... 8 如何學習深度學習 ......... 9 你的項目和思維模式 .......... 11 構建模型相關的庫和運行環境 ：PyTorch、fastai 和 Jupyter（它們都不重要） .... 12 你的**個模型 .............. 14 找一臺擁有合適 GPU 的計算機用于深度學習 ....... 14 運行你的**個 notebook ..........15 什么是機器學習 ................20 什么是神經網絡 ............ 23 一些深度學習的術語 ......... 24 機器學習的局限性 ............ 25 圖像識別器工作的方式 ....... 27 圖像識別器在學習什么 ..................33 圖像識別器可處理非圖像任務 ....... 36 術語回顧 ................ 39 深度學習不僅僅用于圖像分類 .......... 41 驗證集和測試集 .............. 48 根據判斷定義測試集 ..................50 選擇你想要冒險探索的方向 .......... 53 問題 .....................54 深入研究 ....................... 55 第 2 章　從模型到輸出..... 56 深度學習的實踐 .............56 開始你的項目 ............... 57 深度學習的研究進展 ........58 傳動系統方法 .........62 收集數據 ................ 63 從數據到數據加載器 ........ 68 數據增強 ............ 72 訓練模型，并使用模型進行數據清洗 ......73 將模型轉換為在線應用程序 ........ 76 使用模型進行推理 ............ 76 從模型創建 notebook 應用 ...........78 讓 notebook 成為一個真正的應用程序 ....... 80 部署你的應用程序 ........ 81 如何避免災難 ...............84 不可預見的后果和反饋回路 ...... 86 寫下來 ............. 87 問題 ................ 88 深入研究 ............... 89 第 3 章　數據倫理.........90 數據倫理的主要案例 .......... 91 各種 Bug 和追索權 ：漏洞百出的醫療保健福利算法 ..... 92 反饋回路 ：YouTube 的推薦系統 ........... 92 偏見 ：拉塔尼亞 · 斯威尼“已被捕” ........ 92 為什么倫理如此重要 ......... 93 在產品設計中結合機器學習 .. 96 數據倫理專題 .......... 97 追索權和問責制 ........ 98 反饋回路 ........... 98 偏見 ........... 101 謠言 .................111 識別和解決倫理問題 ......... 112 分析你正在做的項目 ........ 113 落地流程 ....... 113 多元的力量........ 115 公平、問責和透明 ....... 116 政策的作用 ...... 117 監管的有效性 ....... 118 權利與政策.........118 汽車 ：前車之鑒 ....... 119 結論 ........ 119 問題 ........... 120 深入研究 .............. 121 上手實踐深度學習 ：圓滿完成 ...... 122 第Ⅱ部分　理解 fastai 的應用 第 4 章　深入探索謎底 ：訓練數字分類器.........125 像素 ：計算機視覺的基礎 .......... 125 **次嘗試 ：像素相似度 ............. 129 Numpy 數組和 PyTorch 張量............. 134 使用廣播機制計算指標............ 136 隨機梯度下降法 ............ 140 梯度計算 .............. 144 通過學習率迭代 ............... 146 一個直觀的隨機梯度下降案例 ............ 148 梯度下降的總結 ................ 153 MNIST 損失函數 ............. 154 sigmoid .............. 160 隨機梯度下降及小批次 ............. 161 將它們集成在一起 ............ 162 創建一個優化器 ........... 166 增加一個非線性特征 .......... 168 更深入一些...... 172 術語回顧 ........... 172 問題 ................ 174 深入研究 ................ 175 第 5 章 　圖像分類...........176 從貓狗識別到寵物分類............ 176 圖像尺寸的預處理 ......... 179 檢查和調試數據塊 ............ 182 交叉熵損失 ......... 184 查看激活值和標簽 ............ 185 softmax ............... 186 對數似然 ........ 189 使用對數函數 .......... 191 模型解釋 ......... 193 改進我們的模型 ........... 195 學習率查找器 .......... 195 解凍與遷移學習 .... 197 區別學習率........... 199 選擇訓練的周期數 ..... 202 更深的網絡架構 .......... 202 結論 ........... 204 問題 ........... 205 深入研究 ............ 206 第 6 章　其他計算機視覺問題........207 多標簽分類 ...... 207 數據 ............. 208 構建數據塊.......... 210 二元交叉熵........ 214 回歸 ............. 219 配置數據 .......... 220 訓練模型 ....... 223 結論 ......... 225 問題 ......... 225 深入研究 ............ 226 第 7 章　訓練*高水準的模型..........227 Imagenette ....... 227 標準化 ............ 229 漸進式調整尺寸 ....... 231 測試期的數據增強 ....... 233 Mixup ...... 234 標簽平滑 ......... 237 結論 ......... 239 問題 ............. 239 深入研究 ..... 240 第 8 章　深入協同過濾.......241 了解數據 ........... 242 學習潛在特征 ............ 244 創建 DataLoaders ........... 245 從頭開始進行協同過濾.......... 248 權重衰減 ............... 251 創建我們自己的嵌入模塊 .... 253 嵌入和偏差的解釋 ......... 255 使用 fastai.collab .......... 257 嵌入距離 ................ 257 啟動協同過濾模型的自助取樣 ...... 258 用于協同過濾的深度學習 ...... 259 結論 ............ 262 問題 ....... 262 深入研究 .......... 263 第 9 章　深入學習表格建模.......264 分類嵌入 ......... 264 超越深度學習 ..... 269 數據集 .......... 270 Kaggle 競賽 .. 270 查看數據 ....... 272 決策樹 ......... 274 處理日期 .......... 275 使用 TabularPandas 和 TabularProc .... 276 創建決策樹...... 279 分類變量 ....... 283 隨機森林 ....... 284 創建一個隨機森林 ...... 285 out-of-bag error .... 287 模型解釋 ......... 288 樹預測置信度的方差 ...... 288 特征重要性........... 289 刪除低重要性特征 .... 290 刪除冗余特征 ....... 291 部分依賴 ......... 294 數據泄露 .......... 296 樹解釋器 ....... 298 外推與神經網絡 ... 299 外推問題 ...... 299 查找域外數據 ... 301 使用神經網絡 ....... 303 集成 ....... 307 boosting ......... 308 將嵌入與其他方法相結合 ..... 309 結論 ........ 310 問題 ......... 311 深入研究 ...... 312 第 10 章　NLP 深度探究 ：RNN.......313 文本預處理 ....... 314 分詞 ....... 316 用 fastai 進行分詞 ....... 316 根據子詞分詞 .......... 320 使用 fastai 進行數值化 .......... 322 將文本分批作為語言模型的輸入 ....... 323 訓練文本分類器 ........... 326 使用數據塊來訓練語言模型 ....... 326 微調語言模型 ....... 328 保存和加載模型 ......... 329 文本生成 ....... 330 創建分類器的數據加載器 ........... 331 微調分類模型 ............. 333 虛假信息和語言模型 ............... 334 結論 ......... 337 問題 .............. 337 深入研究 ............. 338 第 11 章　使用 fastai 的中間層 API 來處理數據............339 深入研究 fastai 的分層 API .......... 339 轉換 .............. 340 編寫自定義轉換 ........... 342 管道 .............. 343 TfmdLists 和 Dataset ：轉換后的集合 ........ 343 TfmdLists ........... 344 Datasets ........ 346 應用中間層數據 API ：孿生體（Siamese Pair） ....... 348 結論 ........... 352 問題 ......... 352 深入研究 ............. 353 理解 fastai 的應用 ：總結 ........ 353 第Ⅲ部分　深度學習基礎 第 12 章　從零開始制作語言模型.......................357 數據 ............................................ 357 從零開始構建你的**個語言模型 ............. 359 PyTorch 語言模型 ....................... 360 我們的**個循環神經網絡 .............. 363 改進 RNN ................................... 364 維持 RNN 的狀態 ................... 365 創建更多的標志 ......................... 368 多層循環神經網絡 .......................... 370 模型 ............................... 371 激活值消失 / 爆炸 ................. 372 LSTM .......................................... 373 從零開始構建 LSTM ....................... 374 使用 LSTM 訓練一個語言模型 .............. 377 對 LSTM 進行正則化 ................. 378 dropout ........................................... 378 激活單元正則化和時序激活單元正則化 .............. 380 訓練一個權重綁定正則化 LSTM ...................... 381 結論 ....................................... 382 問題 .................................... 383 深入研究 ....................................... 385 第 13 章　卷積神經網絡............................386 卷積的魔力 ............................ 386 應用一個卷積核 ............................... 389 PyTorch 中的卷積 ................391 步長和填充............................ 393 理解卷積方程 ................................. 395 我們的**個卷積神經網絡 .................... 397 創建 CNN .................................... 397 理解卷積運算 ................................. 401 感受野 ........................................ 402 關于 Twitter 的提示 ........................ 403 彩色圖像 .................................... 405 改善訓練穩定性 .................... 408 簡單基準 .............................. 409 增加批次大小 ....................... 411 1 周期訓練 ......................... 412 批次歸一化..................... 417 結論 ................................. 419 問題 .............................. 420 深入研究 ............................ 421 第 14 章　ResNet.......................422 回到 Imagenette ................... 422 建立現代 CNN ：ResNet .............. 425 跳連 ............................... 426 *先進的 ResNet ................ 431 瓶頸層 .............. 434 結論 .................. 436 問題 ......................... 436 深入研究 .............................. 438 第 15 章　深入研究應用架構..........439 計算機視覺 ............................ 439 cnn_learner ....................... 439 unet_learner .......................... 441 Siamese 網絡 .......................... 443 自然語言處理 .......................... 445 表格 ............................... 446 結論 ................................ 447 問題 .................................. 449 深入研究 .......................... 450 第 16 章　訓練過程...................451 建立基線 .............................. 451 通用優化器 ........................... 453 動量 ................................. 454 RMSProp ................................ 457 Adam .......................... 458 解耦權重衰減 ........................ 459 回調 .................................. 460 創建一個回調函數 .................. 463 回調排序和異常 .................. 466 結論 ....................................... 468 問題 ......................... 468 深入研究 ...................... 469 深度學習基礎 ：總結 ............. 469 第Ⅳ部分　從零開始學習深度學習 第 17 章　神經網絡基礎...................473 從零開始構建神經網絡層 ................... 473 建立神經元模型 ............................ 473 從零開始進行矩陣乘法 ..................... 474 逐元素運算.................................. 476 廣播 ............................................ 477 愛因斯坦求和 ............................... 482 前向和反向傳播 ............................. 483 定義神經網絡層并對其初始化 .............. 483 梯度和反向傳播 .......................... 488 重構模型 ........................... 491 邁向 PyTorch ......................... 492 結論 .................................. 495 問題 ........ 496 深入研究 ................................. 497 第 18 章　用 CAM 做 CNN 的解釋............498 CAM 和 hook .......... 498 梯度 CAM ............502 結論 .......... 504 問題 .................. 504 深入研究 ........... 504 第 19 章　從零開始構建 fastai Learner............505 數據 ............... 505 數據集 .......... 507 Module 和 Parameter ........... 510 簡單的 CNN .................. 513 損失 ...... 514 Learner ........ 516 回調 ..... 518 調整學習率安排表 ...... 519 結論 ...... 522 問題 .......... 522 深入研究 ......... 523 第 20 章　總結.....................524 附錄 A　創建一個博客.................527 附錄 B　數據科學項目的檢查表.........536
展開全部

碼農的零門檻AI課:基于FASTAI與PYTORCH的深度學習 作者簡介

Jeremy Howard是fast.ai的創始研究員，fast.ai研究所致力于讓大家更容易上手深度學習。同時，他也是舊金山大學杰出的研究科學家和世界經濟論壇全球AI理事會成員。
Sylvain Gugger是Hugging Face的研究工程師。此前，他曾是fast.ai的研究科學家，主要研究如何通過設計和改進技術讓模型在資源有限的情況下訓練得更快，以使更多的人使用深度學習。 譯者陳志凱、熊英鷹，為騰訊Blade團隊核心成員。主要實踐方向是在黑盒設置中測試人臉識別系統的魯棒性，以及通過對抗性示例研究深度學習模型的魯棒性；主要研究方向是使用對抗性訓練來幫助深度學習模型更健壯，并獲得更強大的性能。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服
主站蜘蛛池模板： 能量回馈_制动单元_电梯节能_能耗制动_深圳市合兴加能科技有限公司 | 空心明胶胶囊|植物胶囊|清真胶囊|浙江绿键胶囊有限公司欢迎您! | 滑板场地施工_极限运动场地设计_滑板公园建造_盐城天人极限运动场地建设有限公司 | 广东健伦体育发展有限公司-体育工程配套及销售运动器材的体育用品服务商 | Brotu | 关注AI,Web3.0,VR/AR,GPT,元宇宙区块链数字产业 | 水性绝缘漆_凡立水_绝缘漆树脂_环保绝缘漆-深圳维特利环保材料有限公司 | 99文库_实习生实用的范文资料文库站 | 代写标书-专业代做标书-商业计划书代写「深圳卓越创兴公司」 | 检验科改造施工_DSA手术室净化_导管室装修_成都特殊科室建设厂家_医疗净化工程公司_四川华锐 | 西安展台设计搭建_西安活动策划公司_西安会议会场布置_西安展厅设计西安旭阳展览展示 | 列管冷凝器,刮板蒸发器,外盘管反应釜厂家-无锡曼旺化工设备有限公司 | 机构创新组合设计实验台_液压实验台_气动实训台-戴育教仪厂 | 首页-瓜尔胶系列-化工单体系列-油田压裂助剂-瓜尔胶厂家-山东广浦生物科技有限公司 | 深圳离婚律师咨询「在线免费」华荣深圳婚姻律师事务所专办离婚纠纷案件 | 杰福伦_磁致伸缩位移传感器_线性位移传感器-意大利GEFRAN杰福伦-河南赉威液压科技有限公司 | 杜康白酒加盟_杜康酒代理_杜康酒招商加盟官网_杜康酒厂加盟总代理—杜康酒神全国运营中心 | 土壤肥料养分速测仪_测土配方施肥仪_土壤养分检测仪-杭州鸣辉科技有限公司 | 济南轻型钢结构/济南铁艺护栏/济南铁艺大门-济南燕翔铁艺制品有限公司 | 政府园区专业委托招商平台_助力企业选址项目快速落地_东方龙商务集团 | 河南新乡德诚生产厂家主营震动筛,振动筛设备,筛机,塑料震动筛选机 | 净化工程_无尘车间_无尘车间装修-广州科凌净化工程有限公司 | 超声波气象站_防爆气象站_空气质量监测站_负氧离子检测仪-风途物联网 | 泥浆在线密度计厂家-防爆数字压力表-膜盒-远传压力表厂家-江苏大亚自控设备有限公司 | 板框压滤机-隔膜压滤机-厢式压滤机生产厂家-禹州市君工机械设备有限公司 | 陕西安玻璃自动感应门-自动重叠门-磁悬浮平开门厂家【捷申达门业】 | 超声波乳化机-超声波分散机|仪-超声波萃取仪-超声波均质机-精浩机械|首页 | 美国HASKEL增压泵-伊莱科elettrotec流量开关-上海方未机械设备有限公司 | 生鲜配送系统-蔬菜食材配送管理系统-连锁餐饮订货配送软件-挪挪生鲜供应链管理软件 | 利浦顿蒸汽发生器厂家-电蒸汽发生器/燃气蒸汽发生器_湖北利浦顿热能科技有限公司官网 | 智能监控-安防监控-监控系统安装-弱电工程公司_成都万全电子 | 环氧树脂地坪_防静电地坪漆_环氧地坪漆涂料厂家-地壹涂料地坪漆 环球电气之家-中国专业电气电子产品行业服务网站！ | 报警器_家用防盗报警器_烟雾报警器_燃气报警器_防盗报警系统厂家-深圳市刻锐智能科技有限公司 | 密集柜_档案密集柜_智能密集架_密集柜厂家_密集架价格-智英伟业 密集架-密集柜厂家-智能档案密集架-自动选层柜订做-河北风顺金属制品有限公司 | 上海办公室设计_办公楼,写字楼装修_办公室装修公司-匠御设计 | 睿婕轻钢别墅_钢结构别墅_厂家设计施工报价 | 办公室家具_板式办公家具定制厂家-FMARTS福玛仕办公家具 | 手机游戏_热门软件app下载_好玩的安卓游戏下载基地-吾爱下载站 | 选矿设备-新型重选设备-金属矿尾矿重选-青州冠诚重工机械有限公司 | 昆明网络公司|云南网络公司|昆明网站建设公司|昆明网页设计|云南网站制作|新媒体运营公司|APP开发|小程序研发|尽在昆明奥远科技有限公司 | ★店家乐|服装销售管理软件|服装店收银系统|内衣店鞋店进销存软件|连锁店管理软件|收银软件手机版|会员管理系统-手机版,云版,App | HEYL硬度计量泵-荧光法在线溶解氧仪-净时测控技术（上海）有限公司 |