幫助中心 | 我的帳號 | 關於我們

PyTorch深度學習與大語言模型實戰(基礎演算法實現)

  • 作者:孫玉林//仲繼濤//薛震//任加歡//唐澤民|責編:耍利娜
  • 出版社:化學工業
  • ISBN:9787122514905
  • 出版日期:2026/11/01
  • 裝幀:平裝
  • 頁數:258
人民幣:RMB 89 元      售價:元
放入購物車
加入收藏夾

內容大鋼
    本書是基於PyTorch從深度學習到大模型的演算法實戰應用書籍,介紹深度學習和大模型相關基礎演算法,以及在電腦視覺、自然語言處理等領域的實戰應用技術。本書內容由淺入深,循序漸進:首先介紹利用PyTorch進行深度學習網路搭建、模型訓練的相關基礎知識;然後重點介紹卷積神經網路、循環神經網路、Transformer、Mamba等深度學習網路的原理和實戰應用;接著介紹深度學習演算法在圖像分類、語義分割、目標檢測、圖像生成等領域的實戰應用;最後介紹大語言模型和多模態大模型的基礎原理和實戰應用。
    針對深度學習經典的實戰應用案例主要有:VGG、ResNet、ViT、Mamba等在圖像分類中的應用;R-CNN系列、YOLO系列、SSD演算法在目標檢測領域的應用,FCN、U-Net等全卷積網路在圖像語義分割領域的應用;自動編碼器、對抗生成網路和風格遷移等在圖像生成上的應用。針對大模型的實戰案例主要有:大語言模型參數高效微調、大語言模型RAG檢索增強、多模態大模型圖像描述和生成以及多模態大模型微調等實戰應用。
    本書適合對深度學習、人工智慧、大模型、PyTorch使用感興趣的初學者及研究人員,也可作為大數據與數據科學技術、智能科學與技術、人工智慧、電腦科學與技術等相關專業的本科生或研究生課程的入門及進階教材。

作者介紹
孫玉林//仲繼濤//薛震//任加歡//唐澤民|責編:耍利娜

目錄
第1章  深度學習與大模型
  1.1  從深度學習到大模型
    1.1.1  從深度學習到大模型的發展史
    1.1.2  深度學習和大模型的特點
    1.1.3  深度學習和大模型演算法分類
    1.1.4  大模型的AIGC應用
  1.2  Python簡介
    1.2.1  安裝Python
    1.2.2  Python常用庫
  1.3  PyTorch簡介
    1.3.1  安裝PyTorch
    1.3.2  PyTorch核心模塊
    1.3.3  PyTorch輔助庫
  1.4  本章小結
第2章  PyTorch快速入門
  2.1  張量
    2.1.1  張量的數據類型
    2.1.2  張量的生成
    2.1.3  張量的操作
    2.1.4  張量的數學運算
  2.2  PyTorch中的自動微分
  2.3  torch.nn模塊
    2.3.1  容器
    2.3.2  卷積層
    2.3.3  池化層
    2.3.4  填充層
    2.3.5  激活函數層
    2.3.6  歸一化層
    2.3.7  循環層
    2.3.8  全連接層
    2.3.9  Transformer層
  2.4  PyTorch中的數據操作和預處理
    2.4.1  圖像數據
    2.4.2  文本數據
  2.5  PyTorch應用GPU訓練
  2.6  本章小結
第3章  PyTorch深度神經網路結構構建及訓練
  3.1  梯度下降優化演算法
  3.2  PyTorch中的優化器
  3.3  PyTorch中的損失函數
  3.4  網路欠擬合與過擬合
    3.4.1  欠擬合與過擬合的表現形式
    3.4.2  過擬合的防止
  3.5  網路參數初始化
    3.5.1  常用的參數初始化方法
    3.5.2  參數初始化應用實例
  ……
第4章  卷積神經網路
第5章  循環神經網路
第6章  Transformer和Mamba網路

第7章  圖像語義分割和目標檢測
第8章  圖像生成和風格遷移模型
第9章  大語言模型
第10章  多模態大模型
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