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深度學習入門與實戰

  • 作者：編者:王宇龍|責編:于先軍
  • 出版社：中國鐵道
  • ISBN：9787113270049
  • 出版日期：2020/09/01
  • 裝幀：平裝
  • 頁數：207
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    書中以案例形式詳細介紹了PyTorch的各種實戰應用。具體內容包括PyTorch與TensorFlow的對比和PyTorch的發展現狀，張量Tensor和自動微分Autograd及其具體應用，PyTorch構建神經網路，基於PyTorch構建複雜應用，PyTorch高級技巧與實戰應用，網路剪枝應用。
    本書內容由淺入深，適合深度學習的初學者閱讀學習，可幫助機器學習、電腦學科相關專業的學生或從業人員快速掌握PyTorch。
作者介紹
編者:王宇龍|責編:于先軍
    王宇龍，博士，畢業於清華大學電腦系，曾在CVPR/AAAI/TIP等多家國際會議期刊發表論文，研究方向為深度學習可解釋性、模型剪枝、對抗安全等。知乎「機器學習」話題優秀回答者（@Yulong）。現任螞蟻金服演算法專家。
目錄
第1章  PyTorch簡介
  1.1  深度學習簡介
  1.2  PyTorch的由來
    1.2.1  深度學習框架回顧
    1.2.2  PyTorch前身：Torch
    1.2.3  Torch7的重生
  1.3  PyTorch與TensorFlow對比
    1.3.1  TensorFlow簡介
    1.3.2  動靜之爭
    1.3.3  二者借鑒融合
    1.3.4  PyTorch的優勢
  1.4  PyTorch發展現狀
    1.4.1  主要版本特點回顧
    1.4.2  準備工作
第2章  PyTorch基礎計算
  2.1  PyTorch核心基礎概念：張量Tensor
    2.1.1  Tensor基本介紹
    2.1.2  Tensor數學運算操作
    2.1.3  Tensor索引分片合併變換操作
    2.1.4  Tensor類成員方法
    2.1.5  在GPU上計算
  2.2  PyTorch可微編程核心：自動微分Autograd
    2.2.1  PyTorch自動微分簡介
    2.2.2  可微分張量
    2.2.3  利用自動微分求梯度
    2.2.4  Function：自動微分實現基礎
    2.2.5  注意事項
  2.3  PyTorch應用實戰一：實現卷積操作
    2.3.1  卷積操作
    2.3.2  利用張量操作實現卷積
  2.4  PyTorch應用實戰二：實現卷積神經網路進行圖像分類
第3章  PyTorch構建神經網路
  3.1  PyTorch神經網路計算核心：torch.nn
    3.1.1  nn.Module概述
    3.1.2  結構化構建神經網路
    3.1.3  經典神經網路層介紹
    3.1.4  函數式操作nn.functional
  3.2  PyTorch優化器
    3.2.1  torch.optim概述
    3.2.2  經典優化器介紹
    3.2.3  學習率調整
  3.3  PyTorch應用實戰一：實現二值化神經網路
    3.3.1  二值化網路BinaryNet概述
    3.3.2  具體實現
  3.4  PyTorch應用實戰二：利用LSTM實現文本情感分類
    3.4.1  文本情感分類
    3.4.2  具體實現
第4章  基於PyTorch構建複雜應用
  4.1  PyTorch數據載入
    4.1.1  數據預處理：torchvision.transforms

    4.1.2  數據載入：torch.utils.data
  4.2  PyTorch模型搭建
    4.2.1  經典模型復用與分享：torchvision.models
    4.2.2  模型載入與保存
    4.2.3  導出為ONNX格式
  4.3  訓練過程中日誌記錄與可視化
  4.4  PyTorch應用實戰一：在CIFAR10數據集進行神經網路結構搜索
    4.4.1  可微分網路架構搜索DARTS介紹
    4.4.2  簡化問題建模：以ResNet為例
    4.4.3  具體實現
  4.5  PyTorch應用實戰二：在ImageNet數據集進行弱監督物體定位
    4.5.1  GradCAM解釋顯著圖方法介紹
    4.5.2  弱監督物體定位任務
    4.5.3  具體實現
第5章  PyTorch高級技巧與實戰應用
  5.1  PyTorch並行計算
    5.1.1  大規模數據集載入
    5.1.2  模型的高效並行計算
    5.1.3  加速模型計算和減少顯存使用
  5.2  擴展PyTorch
    5.2.1  利用C++和CUDA實現自定義運算元
    5.2.2  利用TorchScript導出PyTorch模型
  5.3  豐富的PyTorch資源介紹
  5.4  PyTorch應用實戰一：在ImageNet上訓練MobileNet-V2網路
    5.4.1  MobileNet-V2網路介紹
    5.4.2  具體實現
  5.5  PyTorch應用實戰二：利用CUDA擴展實現MixConv運算元
    5.5.1  MixConv運算元介紹
    5.5.2  借鑒Depthwise卷積實現思路
    5.5.3  具體實現
第6章  PyTorch完整實戰講解——網路剪枝應用
  6.1  網路剪枝介紹
    6.1.1  剪枝方法分類
    6.1.2  基於權重通道重要性的結構化剪枝
    6.1.3  問題定義與建模
  6.2  具體實現思路
    6.2.1  如何附屬控制門值
    6.2.2  剪枝結構搜索
    6.2.3  剪枝模型訓練
  6.3  完整代碼實現
    6.3.1  模型搭建
    6.3.2  剪枝器實現
    6.3.3  學習控制門變數
    6.3.4  剪枝模型
    6.3.5  訓練模型
    6.3.6  規模化啟動訓練任務
  6.4  實驗結果
參考文獻

  • 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