PyTorch深度学习实战
| 作者 |
| [美]谢林·托马斯（Sherin Thomas）苏丹舒·帕西（Sudhanshu Passi） |
| 丛书名 |
| 智能系统与技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111657361 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 第1章介绍了 PyTorch 进行深度学习的方法以及 PyTorch 的基本 API；第2章通过构建一个简单神经网络，演示如何将神经网络、优化器和参数更新联接在一起，构建简单深度学习模型；第3章深入探讨深度学习工作流实现以及帮助构建工作流的 PyTorch 生态系统；第4章介绍基于CNN的应用；第5章介绍主要RNN组件；第6章简要地论述了生成网络的历史，然后解释了不同种类的生成网络；第7章介绍了强化学习；第8章探讨不同的生产部署选项。 |
| 目录 |
| 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 1.1 PyTorch的历史2 1.2 PyTorch是什么3 1.2.1 安装PyTorch4 1.2.2 PyTorch流行的原因5 1.3 使用计算图7 1.3.1 使用静态图8 1.3.2 使用动态图11 1.4 探索深度学习13 1.5 开始编写代码22 1.5.1 学习基本操作22 1.5.2 PyTorch的内部逻辑28 1.6 总结31 参考资料32 第2章 一个简单的神经网络33 2.1 问题概述33 2.2 数据集34 2.3 新手模型38 2.4 PyTorch方式49 2.4.1 高阶API50 2.4.2 functional模块55 2.4.3 损失函数57 2.4.4 优化器57 2.5 总结59 参考资料59 第3章 深度学习工作流60 3.1 构思和规划61 3.2 设计和实验62 3.2.1 数据集和DataLoader类62 3.2.2 实用程序包65 3.3 模型实现75 3.4 训练和验证79 3.5 总结86 参考资料 86 第4章 计算机视觉87 4.1 CNN简介87 4.2 将PyTorch应用于计算机视觉90 4.2.1 简单CNN90 4.2.2 语义分割99 4.3 总结112 参考资料112 第5章 序列数据处理114 5.1 循环神经网络简介114 5.2 问题概述116 5.3 实现方法116 5.3.1 简单RNN117 5.3.2 高级RNN130 5.3.3 递归神经网络137 5.4 总结141 参考资料142 第6章 生成网络143 6.1 方法定义144 6.2 自回归模型145 6.2.1 PixelCNN147 6.2.2 WaveNet153 6.3 GAN161 6.3.1 简单GAN161 6.3.2 CycleGAN168 6.4 总结173 参考资料173 第7章 强化学习175 7.1 问题定义177 7.2 回合制任务与连续任务178 7.3 累积折扣奖励179 7.4 马尔可夫决策过程180 7.5 解决方法182 7.5.1 策略和价值函数182 7.5.2 贝尔曼方程183 7.5.3 深度Q学习184 7.5.4 经验回放186 7.5.5 Gym186 7.6 总结194 参考资料194 第8章 将PyTorch应用到生产195 8.1 使用Flask提供服务196 8.2 ONNX202 8.3 使用TorchScript提高效率215 8.4 探索RedisAI218 8.5 总结222 参考资料223 |
有问题微信扫码联系