展开全部

主编推荐语

PyTorch实战指南。

内容简介

本书从PyTorch框架结构出发,通过案例主要介绍了线性回归、逻辑回归、前馈神经网络、卷积神经网络、循环神经网络、自编码模型、以及生成对抗网络。

本书作为深度学习的入门教材,省略了大量的数学模型推导,适合深度学习初学者,人工智能领域的从业者,以及深度学习感兴趣的人阅读。

目录

  • 版权信息
  • 作者简介
  • 前言
  • 第一部分 理论部分
  • 第1章 深度学习简介
  • 1.1 深度学习
  • 1.2 神经网络的发展
  • 1.3 深度学习的应用
  • 1.4 常用的数学知识和机器学习算法
  • 1.5 PyTorch简介
  • 1.5.1 PyTorch介绍
  • 1.5.2 使用PyTorch的公司
  • 1.5.3 PyTorch API
  • 1.5.4 为什么选择Python语言
  • 1.5.5 Python语言的特点
  • 1.6 常用的机器学习、深度学习开源框架
  • 1.7 其他常用的模块库
  • 1.8 深度学习常用名词
  • 第2章 PyTorch环境安装
  • 2.1 基于Ubuntu环境的安装
  • 2.1.1 安装Anaconda
  • 2.1.2 设置国内镜像
  • 2.2 Conda命令安装PyTorch
  • 2.3 pip命令安装PyTorch
  • 2.4 配置CUDA
  • 第3章 PyTorch基础知识
  • 3.1 张量
  • 3.2 数学操作
  • 3.3 数理统计
  • 3.4 比较操作
  • 第4章 简单案例入门
  • 4.1 线性回归
  • 4.2 逻辑回归
  • 第5章 前馈神经网络
  • 5.1 实现前馈神经网络
  • 5.2 数据集
  • 5.3 卷积层
  • 5.4 Functional函数
  • 5.5 优化算法
  • 5.6 自动求导机制
  • 5.7 保存和加载模型
  • 5.8 GPU加速运算
  • 第6章 PyTorch可视化工具
  • 6.1 Visdom介绍
  • 6.2 Visdom基本概念
  • 6.2.1 Panes(窗格)
  • 6.2.2 Environments(环境)
  • 6.2.3 State(状态)
  • 6.3 安装Visdom
  • 6.4 可视化接口
  • 6.4.1 Python函数属性提取技巧
  • 6.4.2 vis.text
  • 6.4.3 vis.image
  • 6.4.4 vis.scatter
  • 6.4.5 vis.line
  • 6.4.6 vis.stem
  • 6.4.7 vis.heatmap
  • 6.4.8 vis.bar
  • 6.4.9 vis.histogram
  • 6.4.10 vis.boxplot
  • 6.4.11 vis.surf
  • 6.4.12 vis.contour
  • 6.4.13 vis.mesh
  • 6.4.14 vis.svg
  • 第二部分 实战部分
  • 第7章 卷积神经网络
  • 7.1 卷积层
  • 7.2 池化层
  • 7.3 经典的卷积神经网络
  • 7.3.1 LeNet-5神经网络结构
  • 7.3.2 ImageNet-2010网络结构
  • 7.3.3 VGGNet网络结构
  • 7.3.4 GoodLeNet网络结构
  • 7.3.5 ResNet网络结构
  • 7.4 卷积神经网络案例
  • 7.5 深度残差模型案例
  • 第8章 循环神经网络简介
  • 8.1 循环神经网络模型结构
  • 8.2 不同类型的RNN
  • 8.3 LSTM结构具体解析
  • 8.4 LSTM的变体
  • 8.5 循环神经网络实现
  • 8.5.1 循环神经网络案例
  • 8.5.2 双向RNN案例
  • 第9章 自编码模型
  • 第10章 对抗生成网络
  • 10.1 DCGAN原理
  • 10.2 GAN对抗生成网络实例
  • 第11章 Seq2seq自然语言处理
  • 11.1 Seq2seq自然语言处理简介
  • 11.2 Seq2seq自然语言处理案例
  • 第12章 利用PyTorch实现量化交易
  • 12.1 线性回归预测股价
  • 12.2 前馈神经网络预测股价
  • 12.3 递归神经网络预测股价
展开全部

评分及书评

评分不足
1个评分
  • 用户头像
    给这本书评了
    4.0
    快速上手 pytorch 量化交易

    一本全面而实用的指南,它不仅详细介绍了 PyTorch 的基础知识,还通过实际案例展示了如何将理论应用于实践。书中对模型构建、训练和优化的讲解透彻,特别适合那些希望快速上手深度学习项目的开发者。其实战导向的内容设计,使得读者能够迅速将所学应用于解决实际问题,是深度学习领域的宝贵资源。后半部分,介绍了几种常见的神经网络预测股价的案例,比较实用!

      转发
      评论

    出版方

    电子工业出版社

    电子工业出版社成立于1982年10月,是国务院独资、工信部直属的中央级科技与教育出版社,是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展,已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域,综合出版能力位居全国出版行业前列。