中圖網小程序
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
PYTORCH深度學習實戰:構建、訓練和部署神經網絡模型(原書第2版) 版權信息
- ISBN：9787111759195
- 條形碼：9787111759195 ; 978-7-111-75919-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
PYTORCH深度學習實戰:構建、訓練和部署神經網絡模型(原書第2版) 本書特色
本書的核心優勢在于,采用易于理解的問題與解決方案的結構,全面而詳盡地講解了PyTorch的使用方法,并提供了大量相應的代碼示例,以便將這些概念順利應用于實際項目中。
PYTORCH深度學習實戰:構建、訓練和部署神經網絡模型(原書第2版) 內容簡介
本書提供使用PyTorch 開發深度學習應用程序的基本原理和方法,旨在為讀者介紹機器學習工程師和數據科學家在解決深度學習問題中所采用的主流現代算法與技術,緊跟深度學習領域的*新發展趨勢,助力初學者熟練掌握PyTorch。本書的核心優勢在于,采用易于理解的問題與解決方案的結構,全面而詳盡地講解了PyTorch的使用方法,并提供了大量相應的代碼示例,以便將這些概念順利應用于實際項目中。本書適合對計算機視覺、自然語言處理等領域感興趣的人士閱讀。對于希望在深度學習任務中運用PyTorch 的讀者,本書將是一本實用的指南。
PYTORCH深度學習實戰:構建、訓練和部署神經網絡模型(原書第2版) 目錄
目 錄
譯者序
關于作者
關于技術審查員
致謝
前言
第1 章 PyTorch 入門,張量與張量運算 1
什么是PyTorch 5
PyTorch 安裝 5
秘籍1-1 張量的使用 7
小結 36
第2 章 使用PyTorch 中的概率分布 37
秘籍2-1 采樣張量 38
秘籍2-2 可變張量 43
秘籍2-3 統計學基礎 45
秘籍2-4 梯度計算 51
秘籍2-5 張量運算之一 54
秘籍 2-6 張量運算之二 55
秘籍2-7 統計分布 58
小結 62
第3 章 使用PyTorch 中的卷積神經網絡和循環神經網絡 63
秘籍 3-1 設置損失函數 63
秘籍3-2 估計損失函數的導數 67
秘籍3-3 模型微調 73
秘籍3-4 優化函數選擇 75
秘籍3-5 進一步優化函數 80
秘籍3-6 實現卷積神經網絡 84
秘籍3-7 模型重載 92
秘籍3-8 實現循環神經網絡 96
秘籍3-9 實現用于回歸問題的循環神經網絡 102
秘籍3-10 使用PyTorch 內置的循環神經網絡函數 104
秘籍3-11 使用自編碼器(Autoencoder) 108
秘籍 3-12 使用自編碼器實現結果微調 113
秘籍3-13 約束模型過擬合 116
秘籍3-14 可視化模型過擬合 119
秘籍3-15 初始化權重中的丟棄率 123
秘籍3-16 添加數學運算 125
秘籍3-17 循環神經網絡中的嵌入層 128
小結 130
第4 章 PyTorch 中的神經網絡簡介 131
秘籍4-1 激活函數的使用 131
秘籍4-2 激活函數可視化 139
秘籍4-3 基本的神經網絡模型 142
秘籍4-4 張量微分 146
小結 148
第5 章 PyTorch 中的監督學習 149
秘籍5-1 監督模型的數據準備 153
秘籍5-2 前向和反向傳播神經網絡 155
秘籍5-3 優化和梯度計算 158
秘籍5-4 查看預測結果 160
秘籍5-5 監督模型邏輯回歸 164
小結 168
第6 章 使用PyTorch 對深度學習模型進行微調 169
秘籍6-1 構建順序神經網絡 170
秘籍6-2 確定批量的大小 172
秘籍6-3 確定學習率 175
秘籍6-4 執行并行訓練 180
小結 182
第7 章 使用PyTorch 進行自然語言處理 183
秘籍7-1 詞嵌入 185
秘籍7-2 使用PyTorch 創建CBOW 模型 190
秘籍7-3 LSTM 模型 194
小結 199
第8 章 分布式PyTorch 建模、模型優化和部署 200
秘籍8-1 分布式Torch 架構 200
秘籍8-2 Torch 分布式組件 202
秘籍8-3 設置分布式PyTorch 203
秘籍8-4 加載數據到分布式PyTorch 205
秘籍8-5 PyTorch 中的模型量化 208
秘籍8-6 量化觀察器應用 211
秘籍8-7 使用MNIST 數據集應用量化技術 213
小結 225
第9 章 圖像和音頻的數據增強、特征工程和提取 226
秘籍9-1 音頻處理中的頻譜圖 226
秘籍9-2 安裝Torchaudio 229
秘籍9-3 將音頻文件加載到PyTorch 中 231
秘籍9-4 安裝用于音頻的Librosa 庫 232
秘籍9-5 頻譜圖變換 234
秘籍9-6 Griffin-Lim 變換 236
秘籍9-7 使用濾波器組進行梅爾尺度轉換 237
秘籍9-8 Librosa 的梅爾尺度轉換與Torchaudio 版本對比 240
秘籍9-9 使用Librosa 和Torchaudio 進行MFCC 和LFCC 243
秘籍9-10 圖像數據增強 247
小結 250
第10 章 PyTorch 模型可解釋性和Skorch 251
秘籍10-1 安裝Captum 庫 252
秘籍10-2 主要歸因:深度學習模型的特征重要性 253
秘籍10-3 深度學習模型中神經元的重要性 259
秘籍10-4 安裝Skorch 庫 260
秘籍10-5 Skorch 組件在神經網絡分類器中的應用 262
秘籍10-6 Skorch 神經網絡回歸器 265
秘籍10-7 Skorch 模型的保存和加載 269
秘籍10-8 使用Skorch 創建神經網絡模型流水線 270
秘籍10-9 使用Skorch 進行神經網絡模型的輪次評分 272
秘籍10-10 使用Skorch 進行超參數的網格搜索 274
小結 276
展開全部
PYTORCH深度學習實戰:構建、訓練和部署神經網絡模型(原書第2版) 作者簡介
普拉迪帕塔·米什拉(Pradeepta Mishra)，數據科學家、預測模型專家、深度學習和機器學習實踐者、計量經濟學家，目前在印度班加羅爾的Ma Foi Analytics 數據科學和機器學習實踐。他持有零售行業中增強貨架圖設計的專利，并且在艾哈邁德巴德印度管理學院就讀期間發表了相關的研究論文。他現在還是很多 商科院校的客座教師，經常開展數據科學和機器學習的講座。
書友推薦
- >
有舍有得是人生
- >
煙與鏡
- >
我從未如此眷戀人間
- >
詩經-先民的歌唱
- >
龍榆生：詞曲概論/大家小書
- >
名家帶你讀魯迅:朝花夕拾
- >
回憶愛瑪儂
- >
史學評論
本類暢銷
