科技
类型
可以朗读
语音朗读
166千字
字数
2020-06-01
发行日期
展开全部
主编推荐语
这本书帮助你快速深入深度学习。
内容简介
在过去的几年里,我们看到深度学习成了新的动力。它从学术界一路进军到工业领域,帮助解决了数千个难题。没有它,人类永远无法想象如何解决这些难题。
深度学习的应用主要是由一组框架推动的,这些框架可靠地将复杂的算法转化为高效的内置方法。本书展示了PyTorch在构建深度学习模型原型、深度学习工作流以及将原型模型用于生产方面的优势。
总体而言,本书专注于PyTorch的实际实现,而不是解释它背后的数学原理。但本书也会给出一些链接,这些链接会补充一些相关概念。
目录
- 版权信息
- 译者序
- 前言
- 作者简介
- 审校者简介
- 第1章 深度学习回顾和PyTorch简介
- 1.1 PyTorch的历史
- 1.2 PyTorch是什么
- 1.2.1 安装PyTorch
- 1.2.2 PyTorch流行的原因
- 1.3 使用计算图
- 1.3.1 使用静态图
- 1.3.2 使用动态图
- 1.4 探索深度学习
- 1.5 开始编写代码
- 1.5.1 学习基本操作
- 1.5.2 PyTorch的内部逻辑
- 1.6 总结
- 第2章 一个简单的神经网络
- 2.1 问题概述
- 2.2 数据集
- 2.3 新手模型
- 2.4 PyTorch方式
- 2.4.1 高阶API
- 2.4.2 functional模块
- 2.4.3 损失函数
- 2.4.4 优化器
- 2.5 总结
- 第3章 深度学习工作流
- 3.1 构思和规划
- 3.2 设计和实验
- 3.2.1 数据集和DataLoader类
- 3.2.2 实用程序包
- 3.3 模型实现
- 3.4 训练和验证
- 3.5 总结
- 第4章 计算机视觉
- 4.1 CNN简介
- 4.2 将PyTorch应用于计算机视觉
- 4.2.1 简单CNN
- 4.2.2 语义分割
- 4.3 总结
- 参考资料
- 第5章 序列数据处理
- 5.1 循环神经网络简介
- 5.2 问题概述
- 5.3 实现方法
- 5.3.1 简单RNN
- 5.3.2 高级RNN
- 5.3.3 递归神经网络
- 5.4 总结
- 第6章 生成网络
- 6.1 方法定义
- 6.2 自回归模型
- 6.2.1 PixelCNN
- 6.2.2 WaveNet
- 6.3 GAN
- 6.3.1 简单GAN
- 6.3.2 CycleGAN
- 6.4 总结
- 参考资料
- 第7章 强化学习
- 7.1 问题定义
- 7.2 回合制任务与连续任务
- 7.3 累积折扣奖励
- 7.4 马尔可夫决策过程
- 7.5 解决方法
- 7.5.1 策略和价值函数
- 7.5.2 贝尔曼方程
- 7.5.3 深度Q学习
- 7.5.4 经验回放
- 7.5.5 Gym
- 7.6 总结
- 第8章 将PyTorch应用到生产
- 8.1 使用Flask提供服务
- 8.2 ONNX
- 8.3 使用TorchScript提高效率
- 8.4 探索RedisAI
- 8.5 总结
展开全部
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。