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

评分及书评

评分不足
2个评分

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。