深度學習框架 PyTorch : 入門與實踐 深度学习框架PyTorch:入门与实践

陳雲

買這商品的人也買了...

商品描述

書從多維數組Tensor開始,循序漸進地帶領讀者瞭解PyTorch各方面的基礎知識,並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,還是第一次接觸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。

作者簡介

陳雲
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知乎看山盃機器學習挑戰賽”一等獎,“2017天池醫療AI大賽”第八名。熱衷於推廣PyTorch,並有豐富的使用經驗,活躍於PyTorch論壇和知乎相關板塊。

目錄大綱

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屬於動態圖的未來
1.4為什麼選擇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入門第一步
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的關係
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關於__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