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深度學習簡明實戰

  • 作者：日月光華|責編:賈旭龍
  • 出版社：清華大學
  • ISBN：9787302619840
  • 出版日期：2022/10/01
  • 裝幀：平裝
  • 頁數：251
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書針對深度學習及開源框架——PyTorch，採用簡明的語言進行知識的講解，注重實戰。全書分為4篇，共19章。深度學習基礎篇（第1章?第6章）包括PyTorch簡介與安裝、機器學習基礎與線性回歸、張量與數據類型、分類問題與多層感知器、多層感知器模型與模型訓練、梯度下降法、反向傳播演算法與內置優化器。電腦視覺篇（第7章?第14章）包括電腦視覺與卷積神經網路、卷積入門實例、圖像讀取與模型保存、多分類問題與卷積模型的優化、遷移學習與數據增強、經典網路模型與特徵提取、圖像定位基礎、圖像語義分割。自然語言處理和序列篇（第15章?第17章）包括文本分類與詞嵌入、循環神經網路與一維卷積神經網路、序列預測實例。生成對抗網路和目標檢測篇（第18章?第19章）包括生成對抗網路、目標檢測。
    本書適合人工智慧行業的軟體工程師、對人工智慧感興趣的學生學習，同時也可作為深度學習的培訓教程。
作者介紹
日月光華|責編:賈旭龍
    日月光華，網易雲課堂資深講師，經驗豐富的數據科學家和深度學習演算法工程師。擅長使用Python編程，編寫爬蟲並利用Python進行數據分析和可視化。對機器學習和深度學習有深入理解，熟悉常見的深度學習框架（PyTorch、TensorFlow）和模型，有豐富的深度學習、數據分析和爬蟲等開發經驗，著有暢銷書《Python網路爬蟲實例教程（視頻講解版）》。
目錄
第1篇  深度學習基礎篇
  第1章  PyTorch簡介與安裝
    1.1  PyTorch簡介
    1.2  PyTorch的主要應用
    1.3  PyTorch安裝
      1.3.1  CPU版本PyTorch安裝
      1.3.2  GPU版本PyTorch安裝
      1.3.3  安裝輔助庫和安裝測試
    1.4  本章小結
  第2章  機器學習基礎與線性回歸
    2.1  機器學習基礎
    2.2  線性回歸
    2.3  本章小結
  第3章  張量與數據類型
    3.1  PyTorch張量
      3.1.1  初始化張量
      3.1.2  張量類型
      3.1.3  創建隨機值張量
      3.1.4  張量屬性
      3.1.5  將張量移動到顯存
    3.2  張量運算
      3.2.1  與NumPy數據類型的轉換
      3.2.2  張量的變形
    3.3  張量的自動微分
    3.4  本章小結
  第4章  分類問題與多層感知器
    4.1  torchvision庫
    4.2  載入內置圖片數據集
    4.3  多層感知器
    4.4  激活函數
      4.4.1  ReLU激活函數
      4.4.2  Sigmoid激活函數
      4.4.3  Tanh激活函數
      4.4.4  LeakyReLU激活函數
    4.5  本章小結
  第5章  多層感知器模型與模型訓練
    5.1  多層感知器模型
    5.2  損失函數
    5.3  優化器
    5.4  初始化模型
    5.5  編寫訓練循環
    5.6  本章小結
  第6章  梯度下降法、反向傳播演算法與內置優化器
    6.1  梯度下降法
    6.2  反向傳播演算法
    6.3  PyTorch內置的優化器
      6.3.1  SGD優化器
      6.3.2  RMSprop優化器
      6.3.3  Adam優化器
    6.4  本章小結

第2篇  電腦視覺篇
  第7章  電腦視覺與卷積神經網路
    7.1  什麼是卷積神經網路
    7.2  池化層
    7.3  卷積神經網路的整體架構
    7.4  本章小結
  第8章  卷積入門實例
    8.1  數據輸入
    8.2  創建卷積模型並訓練
    8.3  函數式API
    8.4  超參數選擇
    8.5  本章小結
  第9章  圖像讀取與模型保存
    9.1  載入圖片數據集
    9.2  創建圖片分類模型
    9.3  模型保存
      9.3.1  保存和載入模型權重
      9.3.2  保存和恢複檢查點
      9.3.3  保存最優參數
    9.4  本章小結
  第10章  多分類問題與卷積模型的優化
    10.1  創建自定義Dataset類
    10.2  基礎卷積模型
    10.3  Dropout抑制過擬合
    10.4  批標準化
    10.5  學習速率衰減
    10.6  本章小結
  第11章  遷移學習與數據增強
    11.1  什麼是遷移學習
    11.2  數據增強
    11.3  微調
    11.4  本章小結
  第12章  經典網路模型與特徵提取
    12.1  VGG
    12.2  ResNet
    12.3  TensorBoard可視化
    12.4  ResNetBasicBlock結構
    12.5  Inception
    12.6  DenseNet
    12.7  DenseNet預訓練模型提取特徵
    12.8  本章小結
  第13章  圖像定位基礎
    13.1  簡單圖像定位模型
    13.2  數據集觀察
    13.3  創建模型輸入
    13.4  創建圖像定位模型
    13.5  模型保存與測試
    13.6  本章小結
  第14章  圖像語義分割
    14.1  常見圖像處理任務

    14.2  圖像語義分割
    14.3  U-Net語義分割模型
    14.4  創建輸入dataset
    14.5  反卷積
    14.6  U-Net模型代碼實現
    14.7  模型訓練
    14.8  模型的保存和預測
    14.9  本章小結
第3篇  自然語言處理和序列篇
  第15章  文本分類與詞嵌入
    15.1  文本的數值表示
      15.1.1  Word2vec
      15.1.2  Glove
      15.1.3  EmbeddingLayer
    15.2  torchtext載入內置文本數據集
    15.3  創建DataLoader和文本分類模型
      15.3.1  Xavier初始化方法
      15.3.2  kaiming初始化方法
    15.4  本章小結
  第16章  循環神經網路與一維卷積神經網路
    16.1  循環神經網路的概念
    16.2  長短期記憶網路
    16.3  門控循環單元
    16.4  LSTM和GRU高階API
    16.5  循環神經網路的應用
    16.6  中文文本分類實例
    16.7  LSTM模型的優化
    16.8  一維卷積神經網路
    16.9  本章小結
  第17章  序列預測實例
    17.1  時間序列數據集準備
    17.2  序列預測模型
    17.3  本章小結
第4篇  生成對抗網路和目標檢測篇
  第18章  生成對抗網路
    18.1  GAN的概念及應用
      18.1.1  什麼是GAN
      18.1.2  GAN的應用
    18.2  基本的GAN實例
    18.3  深度卷積生成對抗網路
    18.4  本章小結
  第19章  目標檢測
    19.1  什麼是目標檢測
    19.2  常用目標檢測演算法
    19.3  PyTorch目標檢測模塊
    19.4  目標檢測的圖像標注
    19.5  使用自行標注數據集訓練目標檢測模型
    19.6  本章小結
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