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

深度學習框架 PyTorch : 入門與實踐

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

類似商品