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

細說PyTorch深度學習(理論演算法模型與編程實現)

  • 作者：編者:凌峰//丁麒文|責編:王金柱
  • 出版社：清華大學
  • ISBN：9787302631941
  • 出版日期：2023/06/01
  • 裝幀：平裝
  • 頁數：320
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書由業界專家編撰，採用理論描述加代碼實踐的思路，詳細介紹PyTorch的理論知識及其在深度學習中的應用。全書分為兩篇，共16章。第一篇為基礎知識，主要介紹PyTorch的基本知識、構建開發環境、卷積網路、經典網路、模型保存和調用、網路可視化、數據載入和預處理、數據增強等內容；第二篇為高級應用，主要介紹數據分類、遷移學習、人臉檢測和識別、生成對抗網路、目標檢測、ViT等內容。本書內容涵蓋PyTorch從入門到深度學習的各個方面，是一本基礎應用與案例實操相結合的參考書。
    本書理論兼備實例，深入淺出，適合PyTorch初學者使用，也可以作為理工科高等院校本科生、研究生的教學用書，還可作為相關科研工程技術人員的參考書。
作者介紹
編者:凌峰//丁麒文|責編:王金柱
目錄
第1篇  基礎知識
  第1章  人工智慧和PyTorch
    1.1  人工智慧和深度學習
      1.1.1  人工智慧
      1.1.2  深度學習
    1.2  深度學習框架
    1.3  PyTorch
      1.3.1  PyTorch簡介
      1.3.2  PyTorch的應用領域
      1.3.3  PyTorch的應用前景
    1.4  小結
  第2章  開發環境
    2.1  PyTorch的安裝
    2.2  NumPy
      2.2.1  NumPy的安裝與查看
      2.2.2  NumPy對象
      2.2.3  數組
      2.2.4  數學計算
    2.3  Matplotlib
      2.3.1  Matplotlib的安裝和簡介
      2.3.2  Matplotlib Figure圖形對象
    2.4  Scikit-Learn
    2.5  小結
  第3章  PyTorch入門
    3.1  PyTorch的模塊
      3.1.1  主要模塊
      3.1.2  輔助模塊
    3.2  張量
      3.2.1  張量的數據類型
      3.2.2  創建張量
      3.2.3  張量存儲
      3.2.4  維度操作
      3.2.5  索引和切片
      3.2.6  張量運算
    3.3  torch.nn模塊
      3.3.1  卷積層
      3.3.2  池化層
      3.3.3  激活層
      3.3.4  全連接層
    3.4  自動求導
    3.5  小結
  第4章  卷積網路
    4.1  卷積網路的原理
      4.1.1  卷積運算
      4.1.2  卷積網路與深度學習
    4.2  NumPy建立神經網路
    4.3  PyTorch建立神經網路
      4.3.1  建立兩層神經網路
      4.3.2  神經網路參數更新
      4.3.3  自定義PyTorch的nn模塊

      4.3.4  權重共享
    4.4  全連接網路
    4.5  小結
  第5章  經典神經網路
    5.1  VGGNet
      5.1.1  VGGNet的結構
      5.1.2  實現過程
      5.1.3  VGGNet的特點
      5.1.4  查看PyTorch網路結構
    5.2  ResNet
      5.2.1  ResNet的結構
      5.2.2  殘差模塊的實現
      5.2.3  ResNet的實現
      5.2.4  ResNet要解決的問題
    5.3  XceptionNet
      5.3.1  XceptionNet的結構
      5.3.2  XceptionNet的實現
    5.4  小結
  第6章  模型的保存和調用
    6.1  字典狀態（state dict）
    6.2  保存和載入模型
      6.2.1  使用ate_dict載入模型
      6.2.2  保存和載入完整模型
      6.2.3  保存和載入Checkpoint用於推理、繼續訓練
    6.3  一個文件保存多個模型
    6.4  通過設備保存和載入模型
    6.5  小結
  第7章  網路可視化
    7.1  HiddenLayer可視化
    7.2  PyTorchViz可視化
    7.3  TensorboardX可視化
      7.3.1  簡介和安裝
      7.3.2  使用TensorboardX
      7.3.3  添加數字
      7.3.4  添加圖片
      7.3.5  添加直方圖
      7.3.6  添加嵌入向量
    7.4  小結
  第8章  數據載入和預處理
    8.1  載入PyTorch庫數據集
    8.2  載入自定義數據集
      8.2.1  下載並查看數據集
      8.2.2  定義數據集類
    8.3  預處理
    8.4  小結
  第9章  數據增強
    9.1  數據增強的概念
      9.1.1  常見的數據增強方法
      9.1.2  常用的數據增強庫
    9.2  數據增強的實現

      9.2.1  中心裁剪
      9.2.2  隨機裁剪
      9.2.3  縮放
      9.2.4  水平翻轉
      9.2.5  垂直翻轉
      9.2.6  隨機角度旋轉
      9.2.7  色度、亮度、飽和度、對比度的變化
      9.2.8  隨機灰度化
      9.2.9  將圖形加上padding
      9.2.10  指定區域擦除
      9.2.11  伽馬變換
    9.3  小結
第2篇  高級應用
  第10章  圖像分類
    10.1  CIFAR10數據分類
      10.1.1  定義網路訓練數據
      10.1.2  驗證訓練結果
    10.2  數據集劃分
    10.3  貓狗分類實戰
      10.3.1  貓狗數據預處理
      10.3.2  建立網路貓狗分類
    10.4  小結
  第11章  遷移學習
    11.1  定義和方法
    11.2  螞蟻和蜜蜂分類實戰
      11.2.1  載入數據
      11.2.2  定義訓練方法
      11.2.3  可視化預測結果
      11.2.4  遷移學習方法一：微調網路
      11.2.5  遷移學習方法二：特徵提取器
    11.3  小結
  第12章  人臉檢測和識別
    12.1  人臉檢測
      12.1.1  定義和研究現狀
      12.1.2  經典演算法
      12.1.3  應用領域
    12.2  人臉識別
      12.2.1  定義和研究現狀
      12.2.2  經典演算法
      12.2.3  應用領域
    12.3  人臉檢測與識別實戰
      12.3.1  Dlib人臉檢測
      12.3.2  基於MTCNN的人臉識別
    12.4  小結
  第13章  生成對抗網路
    13.1  生成對抗網路簡介
    13.2  數學模型
    13.3  生成手寫體數字圖片實戰
      13.3.1  基本網路結構
      13.3.2  準備數據

      13.3.3  定義網路和訓練
      13.3.4  生成結果分析
    13.4  生成人像圖片實戰
      13.4.1  DCGAN簡介
      13.4.2  數據準備
      13.4.3  生成對抗網路的實現
    13.5  小結
  第14章  目標檢測
    14.1  目標檢測概述
      14.1.1  傳統目標檢測演算法的研究現狀
      14.1.2  深度學習目標檢測演算法的研究現狀
      14.1.3  應用領域
    14.2  檢測演算法模型
      14.2.1  傳統的目標檢測模型
      14.2.2  基於深度學習的目標檢測模型
    14.3  目標檢測的基本概念
      14.3.1  IoU
      14.3.2  NMS
    14.4  Faster R-CNN目標檢測
      14.4.1  網路原理
      14.4.2  實戰
    14.5  小結
  第15章  圖像風格遷移
    15.1  風格遷移概述
    15.2  固定風格固定內容的遷移
      15.2.1  固定風格固定內容遷移的原理
      15.2.2  PyTorch實現固定風格遷移
    15.3  快速風格遷移
      15.3.1  快速遷移模型的原理
      15.3.2  PyTorch實現快速風格遷移
    15.4  小結
  第16章  ViT
    16.1  ViT詳解
      16.1.1  Transformer模型中的Attention注意力機制
      16.1.2  視覺Transformer模型詳解
    16.2  ViT圖像分類實戰
      16.2.1  數據準備
      16.2.2  定義ViT模型
      16.2.3  定義工具函數
      16.2.4  定義訓練過程
      16.2.5  運行結果
    16.3  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