中圖網(wǎng)小程序
一鍵登錄
更方便
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(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
PyTorch深度學(xué)習(xí)指南:計算機視覺 卷II 版權(quán)信息
- ISBN：9787111749721
- 條形碼：9787111749721 ; 978-7-111-74972-1
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
PyTorch深度學(xué)習(xí)指南:計算機視覺 卷II 本書特色
國外Pytorch深度學(xué)習(xí)暢銷書 全彩印刷
作者擁有20余年從業(yè)經(jīng)驗
“PyTorch深度學(xué)習(xí)指南”叢書循序漸進地詳細講解了與深度學(xué)習(xí)相關(guān)的重要概念、算法和模型，并著重展示了PyTorch是如何實現(xiàn)這些算法和模型的。其共分三卷：編程基礎(chǔ)、計算機視覺、序列與自然語言處理。
本書適用于對深度學(xué)習(xí)感興趣，并希望使用PyTorch實現(xiàn)深度學(xué)習(xí)的Python程序員閱讀。
以下是部分國外讀者書評
TS.：這本書不只是把代碼推到你面前，它解釋了事物在引擎蓋下是如何工作的。我非常喜歡這種風(fēng)格，所以我把這本書及其第二卷作為我的ECE655高級GPU編程和深度學(xué)習(xí)課程的教材。
Nenad：這本書值得諾貝爾教學(xué)獎！到目前為止，這是我找到的*好的深度學(xué)習(xí)入門書。它不僅出色地解釋了這么多概念，而且語言如此流暢，以至于我從未被卡住。我也從來沒有讀過一本書，像作者在讀我的心一樣，問答式的寫作方式被如此恰當(dāng)?shù)厥褂煤瓦m時地運用。每本書都應(yīng)該這樣寫（例如，如果你是**次學(xué)習(xí)DL，我發(fā)現(xiàn)這本書比Fast AI好幾個數(shù)量級）。我把這本書重讀了好幾遍，只希望計算機視覺的續(xù)集能很快問世。
PyTorch深度學(xué)習(xí)指南:計算機視覺 卷II 內(nèi)容簡介
“PyTorch深度學(xué)習(xí)指南”叢書循序漸進地詳細講解了與深度學(xué)習(xí)相關(guān)的重要概念、算法和模型，并著重展示了PyTorch是如何實現(xiàn)這些算法和模型的。其共分三卷：編程基礎(chǔ)、計算機視覺、序列與自然語言處理。
本書為該套叢書的第二卷：計算機視覺。本書主要介紹了深度模型、激活函數(shù)和特征空間；Torchvision、數(shù)據(jù)集、模型和轉(zhuǎn)換；卷積神經(jīng)網(wǎng)絡(luò)、丟棄和學(xué)習(xí)率調(diào)度器；遷移學(xué)習(xí)和微調(diào)流行的模型(ResNet、Inception等)等內(nèi)容。
本書適用于對深度學(xué)習(xí)感興趣，并希望使用PyTorch實現(xiàn)深度學(xué)習(xí)的Python程序員閱讀學(xué)習(xí)。
PyTorch深度學(xué)習(xí)指南:計算機視覺 卷II 目錄
前 言
致 謝
關(guān)于作者
譯者序
常見問題
為什么選擇PyTorch？
為什么選擇這套書？
誰應(yīng)該讀這套書？
我需要知道什么？
如何閱讀這套書？
下一步是什么？
設(shè)置指南
官方資料庫
環(huán)境
谷歌Colab
Binder
本地安裝
繼續(xù)
第4章 圖像分類
劇透
Jupyter Notebook
導(dǎo)入
圖像分類
數(shù)據(jù)生成
NCHW與NHWC
Torchvision
數(shù)據(jù)集
模型
轉(zhuǎn)換
圖像上的轉(zhuǎn)換
張量上的轉(zhuǎn)換
組合轉(zhuǎn)換
數(shù)據(jù)準(zhǔn)備
數(shù)據(jù)集轉(zhuǎn)換
SubsetRandomSampler
數(shù)據(jù)增強轉(zhuǎn)換
WeightedRandomSampler
種子和更多(種子)
小結(jié)
作為特征的像素
淺層模型
符號
模型配置
模型訓(xùn)練
深層模型
模型配置
模型訓(xùn)練
給我看看數(shù)學(xué)
給我看看代碼
作為像素的權(quán)重
激活函數(shù)
Sigmoid
雙曲正切(TanH)
整流線性單元(ReLU)
泄漏ReLU
參數(shù)ReLU(PReLU)
深度模型
模型配置
模型訓(xùn)練
再給我看看數(shù)學(xué)
歸納總結(jié)
回顧
獎勵章 特征空間
二維特征空間
轉(zhuǎn)換
二維模型
決策邊界，激活方式
更多的函數(shù)，更多的邊界
更多的層，更多的邊界
更多的維度，更多的邊界
回顧
第5章 卷積
劇透
Jupyter Notebook
導(dǎo)入
卷積
濾波器/內(nèi)核
卷積運算
四處移動
形狀
在PyTorch中進行卷積
步幅
填充
真正的濾波器
池化
展平
維度
典型架構(gòu)
LeNet-5
多類分類問題
數(shù)據(jù)生成
數(shù)據(jù)準(zhǔn)備
損失
分類損失總結(jié)
模型配置
模型訓(xùn)練
可視化濾波器和其他
可視化濾波器
鉤子
可視化特征圖
可視化分類器層
準(zhǔn)確率
加載器應(yīng)用
歸納總結(jié)
回顧
第6章 石頭、剪刀、布
劇透
Jupyter Notebook
導(dǎo)入
關(guān)于石頭、剪刀、布
石頭、剪刀、布數(shù)據(jù)集
數(shù)據(jù)準(zhǔn)備
ImageFolder
標(biāo)準(zhǔn)化
真實數(shù)據(jù)集
三通道卷積
更高級的模型
丟棄
二維丟棄
模型配置
優(yōu)化器
學(xué)習(xí)率
模型訓(xùn)練
準(zhǔn)確率
正則化效果
可視化濾波器
學(xué)習(xí)率
尋找LR
自適應(yīng)學(xué)習(xí)率
隨機梯度下降(SGD)
學(xué)習(xí)率調(diào)度器
驗證損失調(diào)度器
自適應(yīng)與循環(huán)
歸納總結(jié)
回顧
第7章 遷移學(xué)習(xí)
劇透
Jupyter Notebook
導(dǎo)入
遷移學(xué)習(xí)
ImageNet
ImageNet大規(guī)模視覺識別挑戰(zhàn)賽(ILSVRC)
ILSVRC-2012
ILSVRC-2014
ILSVRC-2015
對比各架構(gòu)
實踐中的遷移學(xué)習(xí)
預(yù)訓(xùn)練模型
模型配置
數(shù)據(jù)準(zhǔn)備
模型訓(xùn)練
生成特征數(shù)據(jù)集
頂層模型
輔助分類器(側(cè)頭)
1×1卷積
Inception模塊
批量歸一化
游程（running）統(tǒng)計
評估階段
動量
BatchNorm2d
其他歸一化
小結(jié)
殘差連接
學(xué)習(xí)恒等
捷徑的力量
殘差塊
歸納總結(jié)
微調(diào)
特征提取
回顧
額外章 梯度消失和爆炸
劇透
Jupyter Notebook
導(dǎo)入
梯度消失和爆炸
梯度消失
球數(shù)據(jù)集和塊模型
權(quán)重、激活和梯度
初始化方案
批量歸一化
梯度爆炸
數(shù)據(jù)生成和準(zhǔn)備
模型配置和訓(xùn)練
梯度裁剪
模型配置和訓(xùn)練
用鉤子裁剪
回顧
致 謝
關(guān)于作者
譯者序
常見問題
為什么選擇PyTorch？
為什么選擇這套書？
誰應(yīng)該讀這套書？
我需要知道什么？
如何閱讀這套書？
下一步是什么？
設(shè)置指南
官方資料庫
環(huán)境
谷歌Colab
Binder
本地安裝
繼續(xù)
第4章 圖像分類
劇透
Jupyter Notebook
導(dǎo)入
圖像分類
數(shù)據(jù)生成
NCHW與NHWC
Torchvision
數(shù)據(jù)集
模型
轉(zhuǎn)換
圖像上的轉(zhuǎn)換
張量上的轉(zhuǎn)換
組合轉(zhuǎn)換
數(shù)據(jù)準(zhǔn)備
數(shù)據(jù)集轉(zhuǎn)換
SubsetRandomSampler
數(shù)據(jù)增強轉(zhuǎn)換
WeightedRandomSampler
種子和更多(種子)
小結(jié)
作為特征的像素
淺層模型
符號
模型配置
模型訓(xùn)練
深層模型
模型配置
模型訓(xùn)練
給我看看數(shù)學(xué)
給我看看代碼
作為像素的權(quán)重
激活函數(shù)
Sigmoid
雙曲正切(TanH)
整流線性單元(ReLU)
泄漏ReLU
參數(shù)ReLU(PReLU)
深度模型
模型配置
模型訓(xùn)練
再給我看看數(shù)學(xué)
歸納總結(jié)
回顧
獎勵章 特征空間
二維特征空間
轉(zhuǎn)換
二維模型
決策邊界，激活方式
更多的函數(shù)，更多的邊界
更多的層，更多的邊界
更多的維度，更多的邊界
回顧
第5章 卷積
劇透
Jupyter Notebook
導(dǎo)入
卷積
濾波器/內(nèi)核
卷積運算
四處移動
形狀
在PyTorch中進行卷積
步幅
填充
真正的濾波器
池化
展平
維度
典型架構(gòu)
LeNet-5
多類分類問題
數(shù)據(jù)生成
數(shù)據(jù)準(zhǔn)備
損失
分類損失總結(jié)
模型配置
模型訓(xùn)練
可視化濾波器和其他
可視化濾波器
鉤子
可視化特征圖
可視化分類器層
準(zhǔn)確率
加載器應(yīng)用
歸納總結(jié)
回顧
第6章 石頭、剪刀、布
劇透
Jupyter Notebook
導(dǎo)入
關(guān)于石頭、剪刀、布
石頭、剪刀、布數(shù)據(jù)集
數(shù)據(jù)準(zhǔn)備
ImageFolder
標(biāo)準(zhǔn)化
真實數(shù)據(jù)集
三通道卷積
更高級的模型
丟棄
二維丟棄
模型配置
優(yōu)化器
學(xué)習(xí)率
模型訓(xùn)練
準(zhǔn)確率
正則化效果
可視化濾波器
學(xué)習(xí)率
尋找LR
自適應(yīng)學(xué)習(xí)率
隨機梯度下降(SGD)
學(xué)習(xí)率調(diào)度器
驗證損失調(diào)度器
自適應(yīng)與循環(huán)
歸納總結(jié)
回顧
第7章 遷移學(xué)習(xí)
劇透
Jupyter Notebook
導(dǎo)入
遷移學(xué)習(xí)
ImageNet
ImageNet大規(guī)模視覺識別挑戰(zhàn)賽(ILSVRC)
ILSVRC-2012
ILSVRC-2014
ILSVRC-2015
對比各架構(gòu)
實踐中的遷移學(xué)習(xí)
預(yù)訓(xùn)練模型
模型配置
數(shù)據(jù)準(zhǔn)備
模型訓(xùn)練
生成特征數(shù)據(jù)集
頂層模型
輔助分類器(側(cè)頭)
1×1卷積
Inception模塊
批量歸一化
游程（running）統(tǒng)計
評估階段
動量
BatchNorm2d
其他歸一化
小結(jié)
殘差連接
學(xué)習(xí)恒等
捷徑的力量
殘差塊
歸納總結(jié)
微調(diào)
特征提取
回顧
額外章 梯度消失和爆炸
劇透
Jupyter Notebook
導(dǎo)入
梯度消失和爆炸
梯度消失
球數(shù)據(jù)集和塊模型
權(quán)重、激活和梯度
初始化方案
批量歸一化
梯度爆炸
數(shù)據(jù)生成和準(zhǔn)備
模型配置和訓(xùn)練
梯度裁剪
模型配置和訓(xùn)練
用鉤子裁剪
回顧
展開全部
PyTorch深度學(xué)習(xí)指南:計算機視覺 卷II 作者簡介
丹尼爾?沃格特?戈多伊是一名數(shù)據(jù)科學(xué)家、開發(fā)人員、作家和教師。自2016年以來，他一直在柏林歷史最悠久的訓(xùn)練營Data Science Retreat講授機器學(xué)習(xí)和分布式計算技術(shù)，幫助數(shù)百名學(xué)生推進職業(yè)發(fā)展。
丹尼爾還是兩個Python軟件包——HandySpark和DeepReplay的主要貢獻者。
他擁有在多個行業(yè)20多年的工作經(jīng)驗，這些行業(yè)包括銀行、政府、金融科技、零售和移動出行等。
書友推薦
- >
隨園食單
- >
名家?guī)阕x魯迅:故事新編
- >
羅庸西南聯(lián)大授課錄
- >
名家?guī)阕x魯迅:朝花夕拾
- >
詩經(jīng)-先民的歌唱
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
羅曼·羅蘭讀書隨筆-精裝
- >
莉莉和章魚
本類暢銷
