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開發入門--深度學習模型的構建與程序實現

  • 作者：(日)杜世橋|責編:任鑫//閭洪慶|譯者:楊秋香//陳晨
  • 出版社：機械工業
  • ISBN：9787111700555
  • 出版日期：2022/03/01
  • 裝幀：平裝
  • 頁數：192
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以PyTorch為主要內容，介紹了其安裝和實際應用，共7章。其中，第1章介紹了PyTorch的包結構；第2章介紹了線性模型，並通過PyTorch的實際使用來實現線性回歸模型和邏輯回歸模型；第3章介紹了神經網路，實際使用PyTorch創建一個多層感知器（Perceptron）；第4章介紹了通過卷積神經網路（CNN）進行的圖像處理，通過PyTorch實際進行CNN的圖像分類，低解析度圖像到高解析度的轉換，使用深度卷積生成對抗網路（DCGAN）進行新的圖像生成以及遷移學習；第5章介紹了通過循環神經網路（RNN）進行的自然語言處理，通過PyTorch實際進行文本的分類和文本的生成以及基於編碼器-解碼器模型的機器翻譯；第6章介紹了矩陣分解以及推薦系統的神經網路構建；第7章介紹了PyTorch模型的應用程序嵌入，WebAPI的實際創建，Docker的打包發布，以及基於最新開放神經網路交換（ONNX）標準的模型移植。
    本書適合人工智慧、機器學習相關專業領域的技術人員和愛好者閱讀參考。
    
作者介紹
(日)杜世橋|責編:任鑫//閭洪慶|譯者:楊秋香//陳晨
    杜世橋,大學時期就讀於東京工業大學分子生物學專業，畢業后在一家IT公司從事軟體開發和數據分析工作。在攻讀研究生階段，接觸到了當時還不夠活躍的Python和NumPy，並通過建立研究小組和編寫資料進行了Python宣教活動。近年來，致力於為初創公司提供數據分析和機器學習開發支持。自2018年4月起，在物流IT初創公司工作，對機器學習、大數據分析和伺服器開發等具有濃厚的興趣。
目錄
譯者序
原書前言
閱讀本書需要的知識基礎
本書的構成
關於本書樣例和樣常式序的運行環境
第0章  開發環境的準備
  0.1  本書的驗證環境
    0.1.2  NVIDIA公司的GPU
    0.1.3  在雲端啟動GPU配置的實例
  0.2  開發環境的構建
    0.2.1  Miniconda的安裝
    0.2.2  虛擬環境的構建
第1章  PyTorch基礎
  1.1  PyTorch的構成
    1.1.1  PyTorch整體情況
  1.2  Tensor
    1.2.1  Tensor的生成和轉換
    1.2.2  Tensor的索引操作
    1.2.3  Tensor的運算
  1.3  Tensor和自動微分
  1.4  本章小結
第2章  極大似然估計與線性模型
  2.1  隨機模型和極大似然估計
  2.2  隨機梯度下降法
  2.3  線性回歸模型
    2.3.1  線性回歸模型的極大似然估計
    2.3.2  PyTorch中的線性回歸模型（fromscratch）
    2.3.3  PyTorch中的線性回歸模型（nn、optim模塊的應用）
  2.4  logistic回歸
    2.4.1  logistic回歸的極大似然估計
    2.4.2  PyTorch中的logistic回歸
    2.4.3  多元logistic回歸
  2.5  本章小結
第3章  多層感知器
  3.1  MLP的構建與學習
  3.2  Dataset與DataLoader
  3.3  高效學習的提示
    3.3.1  基於Dropout的正則化
    3.3.2  通過Batch Normalization進行學習的加速
  3.4  網路模塊化
    3.4.1  自有網路層（自定義層）的創建
  3.5  本章小結
第4章  圖像處理和卷積神經網路
  4.1  圖像的卷積計算
  4.2  基於CNN的圖像分類
    4.2.1  Fashion-MNIST
    4.2.2  CNN的構建與學習訓練
  4.3  遷移學習
    4.3.1  數據準備
    4.3.2  通過PyTorch進行遷移學習

  4.4  通過CNN回歸模型提高圖像解析度
    4.4.1  數據準備
    4.4.2  模型的創建
  4.5  基於DCGAN的圖像生成
    4.5.1  什麼是GAN
    4.5.2  數據準備
    4.5.3  基於PyTorch的DCGAN
  4.6  本章小結
第5章  自然語言處理與循環神經網路
  5.1  RNN
  5.2  文本數據的數值化
  5.3  RNN與文本的分類
    5.3.1  IMDb評論數據集
    5.3.2  網路的定義和訓練
    5.3.3  可變長度序列的處理
  5.4  RNN的文本生成
    5.4.1  數據準備
    5.4.2  模型的定義和學習
  5.5  基於編碼器-解碼器模型的機器翻譯
    5.5.1  編碼器-解碼器模型
    5.5.2  數據準備
    5.5.3  基於PyTorch的編碼器-解碼器模型
  5.6  本章小結
第6章  推薦系統和矩陣分解
  6.1  矩陣分解
    6.1.1  理論背景
    6.1.2  MovieLens數據集
    6.1.3  PyTorch中的矩陣分解
  6.2  基於神經網路的矩陣分解
    6.2.1  非線性矩陣分解
    6.2.2  附加信息的使用
  6.3  本章小結
第7章  應用程序中的嵌入
  7.1  模型的保存和讀取
  7.2  使用Flask的WebAPI
  7.3  利用Docker進行調試
    7.3.1  nvidia-docker的安裝
    7.3.2  PyTorchDocker映像的創建
    7.3.3  WebAPI的部署
  7.4  與使用ONNX的其他框架的協作
    7.4.1  什麼是ONNX
    7.4.2  PyTorch模型的導出
    7.4.3  Caffe2中ONNX模型的使用
    7.4.4  將ONNX模型另存為Caffe2模型
  7.5  本章小結
附錄
附錄A  訓練過程的可視化
  A.1  通過TensorBoard進行的可視化
附錄B  Colaboratory下PyTorch開發環境的構建
  B.1  Colaboratory下PyTorch開發環境的構建方法

    B.1.1  什麼是Colaboratory
    B.1.2  機器的配置
    B.1.3  PyTorch環境的構建
    B.1.4  PyTorch的安裝
    B.1.5  數據的獲取

  • 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