幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

PyTorch機器學習從入門到實戰

  • 作者：編者:校寶在線//孫琳//蔣陽波//汪建成//項斌
  • 出版社：機械工業
  • ISBN：9787111610458
  • 出版日期：2018/11/01
  • 裝幀：平裝
  • 頁數：190
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    近年來，基於深度學習的人工智慧掀起了一股熱潮。校寶在線、孫琳、蔣陽波、汪建成、項斌編著的《PyTorch機器學習從入門到實戰》是一本使用PyTorch深度學習框架的入門圖書，從深度學習原理人手，由淺入深地闡述深度學習中的神經網路、深度神經網路、卷積神經網路、自編碼器、循環神經網路等內容，同時穿插PyTorch框架的知識點和基於知識點的實例，最後綜合運用PyTorch和深度學習知識來解決實踐中的具體問題，比如圖像識別、文本分類和命令詞識別等。可以說，本書是深度學習和PyTorch的入門教程，引導讀者進入機遇和挑戰並存的人工智慧領域。
    本書針對的是機器學習和人工智慧的愛好者和研究者，希望其有一定的機器學習和深度學習知識，並有一定的Python編程基礎。
作者介紹
編者:校寶在線//孫琳//蔣陽波//汪建成//項斌
目錄
序
前言
第1章  深度學習介紹
  1.1  人工智慧、機器學習與深度學習
  1.2  深度學習工具介紹
  1.3  PvTorch介紹
  1.4  你能從本書中學到什麼
第2章  PyTorch安裝和快速上手
  2.1  PyTorch安裝
    2.1.1  Anaconda安裝
    2.1.2  PyTorch安裝
  2.2  Jupyter Notebook使用
  2.3  NumPy基礎知識
    2.3.1  基本概念
    2.3.2  創建數組
    2.3.3  基本運算
    2.3.4  索引、切片和迭代
    2.3.5  數組賦值
    2.3.6  更改數組的形狀
    2.3.7  組合、拆分數組
    2.3.8  廣播
  2.4  PyTorch基礎知識
    2.4.1  Tensor簡介
    2.4.2  Variable簡介
    2.4.3  CUDA簡介
    2.4.4  模型的保存與載入
    2.4.5  第一個PyTorch程序
第3章  神經網路
  3.1  神經元與神經網路
  3.2  激活函數
    3.2.1  Sigmoid
    3.2.2  Tanh
    3.2.3  Hard Tanh
    3.2.4  ReLU
    3.2.5  ReLU的擴展
    3.2.6  Softmax
    3.2.7  LogSoftmax
  3.3  前向演算法
  3.4  損失函數
    3.4.1  損失函數的概念
    3.4.2  回歸問題
    3.4.3  分類問題
    3.4.4  PyTorch中常用的損失函數
  3.5  反向傳播演算法
  3.6  數據的準備
  3.7  PyTorch實例：單層神經網路實現
第4章  深度神經網路及訓練
  4.1  深度神經網路
    4.1.1  神經網路為何難以訓練
    4.1.2  改進策略

  4.2  梯度下降
    4.2.1  隨機梯度下降
    4.2.2  Mini-Ratch梯度下隆
  4.3  優化器
    4.3.1  SGD
    4.3.2  Momentum
    4.3.3  AdaGrad
    4.3.4  RMSProp
    4.3.5  Adam
    4.3.6  選擇正確的優化演算法
    4.3.7  優化器的使用實例
  4.4  正則化
    4.4.1  參數規範懲罰
    4.4.2  Batch Normalization
    4.4.3  Dropout
  4.5  PyTorch實例：深度神經網路實現
第5章  卷積神經網路
  5.1  電腦視覺
    5.1.1  人類視覺和電腦視覺
    5.1.2  特徵提取
    5.1.3  數據集
  5.2  卷積神經網路
    5.2.1  卷積層
    5.2.2  池化層
    5.2.3  經典卷積神經網路
  5.3  MNIST數據集上卷積神經網路的實現
第6章  嵌入與表徵學習
  6.1  PCA
    6.1.1  PCA原理
    6.1.2  PCA的PyTorch實現
  6.2  自編碼器
    6.2.1  自編碼器原理
    6.2.2  PyTorch實例：自編碼器實現
    6.2.3  PyTorch實例：基於自編碼器的圖形去噪
  6.3  詞嵌入
    6.3.1  詞嵌入原理
    6.3.2  PyTorch實例：基於詞向量的語言模型實現
第7章  序列預測模型
  7.1  序列數據處理
  7.2  循環神經網路
  7.3  LSTM和GRU
  7.4  LSTM在自然語言處理中的應用
    7.4.1  詞性標注
    7.4.2  情感分析
  7.5  序列到序列網路
    7.5.1  序列到序列網路原理
    7.5.2  注意力機制
  7.6  PyTorch實例：基於GRu和Attention的機器翻譯
    7.6.1  公共模塊
    7.6.2  數據處理

    7.6.3  模型定義
    7.6.4  訓練模塊定義
    7.6.5  訓練和模型保存
    7.6.6  評估過程
第8章  PyTorch項目實戰
  8.1  圖像識別和遷移學習——貓狗大戰
    8.1.1  遷移學習介紹
    8.1.2  電腦視覺工具包
    8.1.3  貓狗大戰的PyTorch實現
  8.2  文本分類
    8.2.1  文本分類的介紹
    8.2.2  電腦文本工具包
    8.2.3  基於CNN的文本分類的PyTorch實現
  8.3  語音識別系統介紹
    8.3.1  語音識別介紹
    8.3.2  命令詞識別的PyTorch實現

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032