基於PyTorch的深度學習 Programming PyTorch for Deep Learning Creating and Deploying Deep Learning Applications

我們需要進一步了解深度學習，這種機器學習方法每時每刻都在改變我們周圍的世界。
通過這本實用的指南，你會快速了解使用Facebook開源PyTorch框架的核心理念，
並掌握創建你自己的神經網絡所需的最新技術。
本書介紹瞭如何在一個基於雲的環境中部署PyTorch，
然後講解瞭如何創建便於圖像、聲音和文本操作的神經網絡架構，
並且深入地研究了架構的各個元素。
還介紹了對圖像應用遷移學習、調試模型，
以及在生產環境中使用PyTorch的一些重要概念。
學習如何在生產環境部署深度學習模型。
研究多家領先公司的PyTorch用例。
學習如何對圖像應用遷移學習。
使用Wikipedia上訓練的一個模型應用前沿的NLP技術。
使用PyTorch的torchaudio庫用一個基於卷積的模型完成音頻分類。
使用TensorBoard和火焰圖調試PyTorch模型。
用Docker容器和GoogleCloud上運行的Kubernetes集群在生產環境中部署PyTorch應用。

Ian Pointer

是一位數據工程師，致力於為多個財富100強客戶提供機器學習解決方案（包括深度學習技術）。
他目前任職於Lucidworks，從事前沿NLP應用和工程的研究。

目錄
前言
第1章PyTorch入門
組裝定制深度學習計算機
GPU
CPU/主板
RAM
存儲
使用雲的深度學習
Google Colaboratory
雲提供商
要使用哪個雲提供商？
使用Jupyter Notebook
從頭安裝PyTorch
下載CUDA
Anaconda
終於要安裝PyTorch（和Jupyter Notebook）了！
張量
張量操作
張量廣播
小結
延伸閱讀

第2章用PyTorch進行圖像分類
我們的分類問題
傳統挑戰
首先需要數據
PyTorch和數據加載器
建立一個訓練數據集
建立驗證和測試數據集
終於要建立一個神經網絡了
激活函數
創建一個網絡
損失函數
優化
訓練
要求使用GPU
綜合
預測
模型保存
小結
延伸閱讀

第3章卷積神經網絡
我們的第一個卷積模型
卷積
池化
Dropout
CNN架構歷史
AlexNet
Inception/GoogLeNet
VGG
……

第4章遷移學習和其他技巧
第5章文本分類
第6章聲音之旅
第7章調試PyTorch模型
第8章生產環境中使用PyTorch
第9章PyTorch的廣闊世界
作者介紹
封面介紹