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

動手學PyTorch建模與應用(從深度學習到大模型)

  • 作者：編者:王國平|責編:王金柱
  • 出版社：清華大學
  • ISBN：9787302666592
  • 出版日期：2024/08/01
  • 裝幀：平裝
  • 頁數：362
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本全面介紹深度學習和PyTorch實戰的入門指南。全書共11章，第1章主要介紹了深度學習的概念、應用場景及如何搭建開發環境。第2章詳細介紹PyTorch數學基礎，包括函數、微分、數理統計、矩陣等基礎知識及案例。第3章則介紹了數據預處理及常用工具，包括NumPy、Matplotlib、數據清洗、特徵工程以及深度學習解決問題的一般步驟等。第4章分別介紹了PyTorch的基本概念、深度神經網路以及數據建模。第5章重點介紹了卷積神經網路、循環神經網路等；第6章則涵蓋了回歸分析、聚類分析、主成分分析、模型評估與調優等內容。第7章至第10章分別介紹了PyTorch圖像建模、文本建模、音頻建模和模型可視化，第11章重點介紹了大語言模型的原理、主要大語言模型以及模型本地化部署、預訓練與微調技術。本書精心設計了大量解決實際問題的動手案例和上機練習題，並對所有實現代碼進行了詳盡的註釋和說明，同時提供數據集和配書資源文件，旨在幫助讀者更好地使用本書。
    本書適合對深度學習感興趣的初學者、在校學生和從業者閱讀，也很適合作為培訓機構和高校相關專業的教學用書。
作者介紹
編者:王國平|責編:王金柱
    王國平，畢業於上海海洋大學，碩士，主要從事數據可視化、數據挖掘和大數據分析與研究等工作。精通Tableau、SPSS、SPSS Modeler、Power BI等軟體，已出版《IBM SPSS Modeler數據與文本挖掘實戰》《Microsoft Power BI數據可視化與數據分析》《Tableau數據可視化從入門到精通》《SPSS統計分析與行業應用實戰》等圖書。
目錄
第1章  深度學習和PyTorch概述
  1.1  走進深度學習的世界
    1.1.1  深度學習的發展歷史
    1.1.2  深度學習框架PyTorch
    1.1.3  深度學習的應用領域
  1.2  搭建開發環境
    1.2.1  安裝Python 3.12
    1.2.2  安裝代碼開發工具Jupyter Lab
    1.2.3  安裝PyTorch 2.2
  1.3  PyTorch的應用場景
  1.4  上機練習題
第2章  PyTorch數學基礎
  2.1  PyTorch中的函數
    2.1.1  函數的基礎知識
    2.1.2  PyTorch中的主要函數
  2.2  微分基礎
    2.2.1  微分及其公式
    2.2.2  PyTorch自動微分
  2.3  數理統計基礎
    2.3.1  數理統計及其指標
    2.3.2  PyTorch統計函數
  2.4  矩陣基礎
    2.4.1  矩陣及其運算
    2.4.2  PyTorch矩陣運算
  2.5  動手練習：擬合餘弦函數曲線
  2.6  上機練習題
第3章  數據預處理及常用工具
  3.1  NumPy
    3.1.1  安裝和導入NumPy
    3.1.2  NumPy的數據結構ndarray
    3.1.3  NumPy的基本使用
  3.2  Matplotlib
    3.2.1  安裝和導入Matplotlib
    3.2.2  Matplotlib的使用示例
  3.3  數據清洗
    3.3.1  數據清洗的作用
    3.3.2  用Pandas進行數據清洗
  3.4  特徵工程
    3.4.1  特徵工程概述
    3.4.2  使用Scikit-learn進行數據預處理
    3.4.3  使用Pandas實現特徵工程
  3.5  深度學習解決問題的一般步驟
  3.6  動手練習：每日最高溫度預測
  3.7  上機練習題
第4章  PyTorch基礎知識
  4.1  張量及其創建
    4.1.1  張量及其數據類型
    4.1.2  使用數組直接創建張量
    4.1.3  使用概率分佈創建張量
  4.2  激活函數

    4.2.1  激活函數及其必要性
    4.2.2  Sigmoid激活函數
    4.2.3  Tanh激活函數
    4.2.4  ReLU激活函數
    4.2.5  Leaky ReLU激活函數
    4.2.6  其他類型的激活函數
  4.3  損失函數
    4.3.1  損失函數及其選取
    4.3.2  L1范數損失函數
    4.3.3  均方誤差損失函數
    4.3.4  交叉熵損失函數
    4.3.5  餘弦相似度損失
    4.3.6  其他損失函數
  4.4  優化器
    4.4.1  梯度及梯度下降演算法
    4.4.2  隨機梯度下降演算法
    4.4.3  標準動量優化演算法
    4.4.4  AdaGrad演算法
    4.4.5  RMSProp演算法
    4.4.6  Adam演算法
  4.5  動手練習：PyTorch優化器比較
  4.6  上機練習題
第5章  PyTorch深度神經網路
  5.1  神經網路概述
    5.1.1  神經元模型
    5.1.2  多層感知機
    5.1.3  前饋神經網路
  5.2  卷積神經網路
    5.2.1  卷積神經網路的歷史
    5.2.2  卷積神經網路的結構
    5.2.3  卷積神經網路的類型
  5.3  循環神經網路
    5.3.1  簡單的循環神經網路
    5.3.2  長短期記憶網路
    5.3.3  門控循環單元
  5.4  動手練習：股票成交量趨勢預測
  5.5  上機練習題
第6章  PyTorch數據建模
  6.1  回歸分析及案例
    6.1.1  回歸分析簡介
    6.1.2  回歸分析建模
    6.1.3  動手練習：住房價格回歸預測
  6.2  聚類分析及案例
    6.2.1  聚類分析簡介
    6.2.2  聚類分析建模
    6.2.3  動手練習：植物花卉特徵聚類
  6.3  主成分分析及案例
    6.3.1  主成分分析簡介
    6.3.2  主成分分析建模
    6.3.3  動手練習：地區競爭力指標降維

  6.4  模型評估與調優
    6.4.1  模型評估方法
    6.4.2  模型調優方法
    6.4.3  動手練習：PyTorch實現交叉驗證
  6.5  上機練習題
第7章  PyTorch圖像建模
  7.1  圖像建模概述
    7.1.1  圖像分類技術
    7.1.2  圖像識別技術
    7.1.3  圖像分割技術
  7.2  動手練習：創建圖像自動分類器
    7.2.1  載入數據集
    7.2.2  搭建網路模型
    7.2.3  訓練網路模型
    7.2.4  應用網路模型
  7.3  動手練習：搭建圖像自動識別模型
    7.3.1  載入數據集
    7.3.2  搭建與訓練網路
    7.3.3  預測圖像數據
    7.3.4  圖像識別模型的判斷
  7.4  動手練習：搭建圖像自動分割模型
    7.4.1  載入數據集
    7.4.2  搭建網路模型
    7.4.3  訓練網路模型
    7.4.4  應用網路模型
  7.5  上機練習題
第8章  PyTorch文本建模
  8.1  自然語言處理的幾個模型
    8.1.1  Word2Vec模型
    8.1.2  Seq2Seq模型
    8.1.3  Attention模型
  8.2  動手練習：Word2Vec提取相似文本
    8.2.1  載入數據集
    8.2.2  搭建網路模型
    8.2.3  訓練網路模型
    8.2.4  應用網路欖型
  8.3  動手練習：Scq2Seq實現機器翻譯
    8.3.1  載入數據集
    8.3.2  搭建網路模型
    8.3.3  訓練網路模型
    8.3.4  應用網路模型
  8.4  動手練習：Attention模型實現文本自動分類
    8.4.1  載入數據集
    8.4.2  搭建網路模型
    8.4.3  訓練網路模型
    8.4.4  應用網路模型
  8.5  上機練習題
第9章  PyTorch音頻建模
  9.1  音頻處理技術及應用
    9.1.1  音頻處理技術

    9.1.2  音視頻摘要技術及其應用
    9.1.3  音頻識別及應用
    9.1.4  音頻監控及應用
    9.1.5  場景感知及應用
  9.2  梅爾頻率倒譜係數音頻特徵
    9.2.1  梅爾頻率倒譜係數簡介及參數的提取過程
    9.2.2  音頻預處理
    9.2.3  快速傅里葉變換
    9.2.4  能量譜處理
    9.2.5  離散餘弦轉換
  9.3  PyTorch音頻建模技術
    9.3.1  載入音頻數據源
    9.3.2  波形變換的類型
    9.3.3  繪製波形頻譜圖
    9.3.4  波形Mu-Law編碼
    9.3.5  變換前後波形的比較
  9.4  動手練習：音頻相似度分析
  9.5  上機練習題
第10章  PyTorch模型可視化
  10.1  Visdom
    10.1.1  Visdom簡介
    10.1.2  Visdom可視化操作
    10.1.3  動手練習：識別手寫數字
  10.2  TensorBoard
    10.2.1  TensorBoard簡介
    10.2.2  TensorBoard基礎操作
    10.2.3  動手練習：可視化模型參數
  10.3  Pytorchviz
    10.3.1  Pytorchviz簡介
    10.3.2  動手練習：Pytorchviz建模可視化
  10.4  Netron
    10.4.1  Netron簡介
    10.4.2  動手練習：Netron建模可視化
  10.5  上機練習題
第11章  從深度學習到大語言模型
  11.1  大語言模型的原理
    11.1.1  大語言模型簡介
    11.1.2  Transformer架構
    11.1.3  注意力機制
  11.2  主要的大語言模型
    11.2.1  ChatGPT及其API調用
    11.2.2  文心一言及其插件開發
    11.2.3  ChatGLM及其本地部署
  11.3  模型預訓練與微調
    11.3.1  大模型預訓練
    11.3.2  大模型微調技術
  11.4  上機練習題
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