计算机 类型
6.7 豆瓣评分
可以朗读 语音朗读
221千字 字数
2018-01-01 发行日期
展开全部

主编推荐语

本书10章涵盖PyTorch概述、核对象、神经网络与实战指南等。

内容简介

本书主要分为10部分内容。第1章：PyTorch概述，第2章：PyTorch快速，第3章：PyTorch核对象：Tenosr和Variable,第4章：PyTorch神经络具箱，第5章：PyTorch常具模块，第6章：PyTorch实战指南，第7章：Example之ImageNet，第8章：Example之GAN,第9章：Example之强化学习，第10章：总结与展望。

目录

  • 版权信息
  • 前言
  • 为什么写这本书
  • 本书的结构
  • 关于代码
  • 适读人群
  • 本书约定
  • 如何使用本书
  • 致谢
  • 1 PyTorch简介
  • 1.1 PyTorch的诞生
  • 1.2 常见的深度学习框架简介
  • 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 属于动态图的未来
  • 1.4 为什么选择PyTorch
  • 1.5 星火燎原
  • 1.6 fast.ai 放弃Keras+TensorFlow选择PyTorch
  • 2 快速入门
  • 2.1 安装与配置
  • 2.1.1 安装PyTorch
  • 2.1.2 学习环境配置
  • 2.2 PyTorch入门第一步
  • 2.2.1 Tensor
  • 2.2.2 Autograd：自动微分
  • 2.2.3 神经网络
  • 2.2.4 小试牛刀：CIFAR-10分类
  • 3 Tensor和autograd
  • 3.1 Tensor
  • 3.1.1 基础操作
  • 3.1.2 Tensor和Numpy
  • 3.1.3 内部结构
  • 3.1.4 其他有关Tensor的话题
  • 3.1.5 小试牛刀：线性回归
  • 3.2 autograd
  • 3.2.1 Variable
  • 3.2.2 计算图
  • 3.2.3 扩展autograd
  • 3.2.4 小试牛刀：用Variable实现线性回归
  • 4 神经网络工具箱nn
  • 4.1 nn.Module
  • 4.2 常用的神经网络层
  • 4.2.1 图像相关层
  • 4.2.2 激活函数
  • 4.2.3 循环神经网络层
  • 4.2.4 损失函数
  • 4.3 优化器
  • 4.4 nn.functional
  • 4.5 初始化策略
  • 4.6 nn.Module深入分析
  • 4.7 nn和autograd的关系
  • 4.8 小试牛刀：用50行代码搭建ResNet
  • 5 PyTorch中常用的工具
  • 5.1 数据处理
  • 5.2 计算机视觉工具包：torchvision
  • 5.3 可视化工具
  • 5.3.1 Tensorboard
  • 5.3.2 visdom
  • 5.4 使用GPU加速：cuda
  • 5.5 持久化
  • 6 PyTorch实战指南
  • 6.1 编程实战：猫和狗二分类
  • 6.1.1 比赛介绍
  • 6.1.2 文件组织架构
  • 6.1.3 关于__init__.py
  • 6.1.4 数据加载
  • 6.1.5 模型定义
  • 6.1.6 工具函数
  • 6.1.7 配置文件
  • 6.1.8 main.py
  • 6.1.9 使用
  • 6.1.10 争议
  • 6.2 PyTorch Debug指南
  • 6.2.1 ipdb介绍
  • 6.2.2 在PyTorch中Debug
  • 7 AI插画师：生成对抗网络
  • 7.1 GAN的原理简介
  • 7.2 用GAN生成动漫头像
  • 7.3 实验结果分析
  • 8 AI艺术家：神经网络风格迁移
  • 8.1 风格迁移原理介绍
  • 8.2 用PyTorch实现风格迁移
  • 8.3 实验结果分析
  • 9 AI诗人：用RNN写诗
  • 9.1 自然语言处理的基础知识
  • 9.1.1 词向量
  • 9.1.2 RNN
  • 9.2 CharRNN
  • 9.3 用PyTorch实现CharRNN
  • 9.4 实验结果分析
  • 10 Image Caption：让神经网络看图讲故事
  • 10.1 图像描述介绍
  • 10.2 数据
  • 10.2.1 数据介绍
  • 10.2.2 图像数据处理
  • 10.2.3 数据加载
  • 10.3 模型与训练
  • 10.4 实验结果分析
  • 11 展望与未来
  • 11.1 PyTorch的局限与发展
  • 11.2 使用建议
展开全部

评分及书评

尚无评分
目前还没人评分

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。