歡迎光臨中圖網(wǎng) 請 | 注冊
> >
深度學(xué)習(xí)框架PyTorch(入門與實(shí)踐第2版)

深度學(xué)習(xí)框架PyTorch(入門與實(shí)踐第2版)

作者：王博
出版社：電子工業(yè)出版社出版時(shí)間：2022-07-01
開本： 16開 頁數(shù)： 344
中 圖 價(jià):¥111.3(7.0折) 定價(jià)  ¥159.0 登錄后可看到會員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

深度學(xué)習(xí)框架PyTorch(入門與實(shí)踐第2版) 版權(quán)信息

深度學(xué)習(xí)框架PyTorch(入門與實(shí)踐第2版) 本書特色

本書從多維數(shù)組Tensor開始，循序漸進(jìn)地介紹PyTorch各方面的基礎(chǔ)知識，并結(jié)合深度學(xué)習(xí)中的經(jīng)典應(yīng)用，帶領(lǐng)讀者從零開始完成幾個經(jīng)典而有趣的實(shí)際項(xiàng)目，包括動漫頭像生成、風(fēng)格遷移、自動寫詩以及目標(biāo)檢測。本書還介紹了PyTorch的幾個高級擴(kuò)展，包括向量化計(jì)算、分布式加速以及CUDA擴(kuò)展。

深度學(xué)習(xí)框架PyTorch(入門與實(shí)踐第2版) 內(nèi)容簡介

本書從多維數(shù)組Tensor開始，循序漸進(jìn)地介紹PyTorch各方面的基礎(chǔ)知識，并結(jié)合深度學(xué)習(xí)中的經(jīng)典應(yīng)用，帶領(lǐng)讀者從零開始完成幾個經(jīng)典而有趣的實(shí)際項(xiàng)目，包括動漫頭像生成、風(fēng)格遷移、自動寫詩以及目標(biāo)檢測。本書還介紹了PyTorch的幾個不錯擴(kuò)展，包括向量化計(jì)算、分布式加速以及CUDA擴(kuò)展。本書既適合深度學(xué)習(xí)的初學(xué)者及**次接觸PyTorch的研究人員閱讀，也適合有一定PyTorch使用經(jīng)驗(yàn)的用戶閱讀，幫助他們建立對PyTorch的基本認(rèn)識，提高使用PyTorch框架解決實(shí)際問題的能力。

深度學(xué)習(xí)框架PyTorch(入門與實(shí)踐第2版) 目錄

第 1 章 深度學(xué)習(xí)框架簡介 1
1．1 深度學(xué)習(xí)框架編年史 1
1．2 PyTorch 與 TensorFlow 的對比 6
1．3 為什么選擇 PyTorch 8
第 2 章 PyTorch 快速入門 11
2．1 安裝與配置 11
2．1．1 在 Linux 系統(tǒng)下安裝 PyTorch 11
2．1．2 在 Windows 系統(tǒng)下安裝 PyTorch 13
2．1．3 學(xué)習(xí)工具介紹 14
2．1．4 服務(wù)器開發(fā)介紹 23
2．2 PyTorch 快速入門指南 23
2．2．1 Tensor 23
2．2．2 autograd：自動微分 29
2．2．3 神經(jīng)網(wǎng)絡(luò) 31
2．2．4 小試牛刀：CIFAR-10 分類 36
2．3 小結(jié) 42
第 3 章 Tensor 和 autograd 43

3.1 Tensor 基礎(chǔ) 43

3．1．1 Tensor 的基本操作 43
3．1．2 命名張量 60
3．1．3 Tensor 與 NumPy 61
3．1．4 Tensor 的基本結(jié)構(gòu) 63
3．1．5 變形記：N 種改變 Tensor 形狀的方法 65
3．2 小試牛刀：線性回歸 70
3．3 autograd 和計(jì)算圖基礎(chǔ) 73
3．3．1 autograd 的用法：requires_grad 與 backward 73
3．3．2 autograd 的原理：計(jì)算圖 76
3．3．3 擴(kuò)展 autograd：Function 83
3．3．4 小試牛刀：利用 autograd 實(shí)現(xiàn)線性回歸 84
3．4 小結(jié) 87
第 4 章 神經(jīng)網(wǎng)絡(luò)工具箱 nn 89
4．1 nn．Module 89
4．2 常用的神經(jīng)網(wǎng)絡(luò)層 93
4．2．1 圖像相關(guān)層 93
4．2．2 激活函數(shù) 97
4．2．3 構(gòu)建神經(jīng)網(wǎng)絡(luò) 98
4．2．4 循環(huán)神經(jīng)網(wǎng)絡(luò) 101
4．2．5 損失函數(shù) 102
4．3 nn．functional 103
4．3．1 nn．functional 與 nn．Module 的區(qū)別 103
4．3．2 采樣函數(shù) 105
4．4 初始化策略 106
4．5 優(yōu)化器 107
4．6 nn．Module 深入分析 109
4．7 小試牛刀：搭建 ResNet 116
4．8 小結(jié) 120
第 5 章 PyTorch 中常用的工具 121
5．1 數(shù)據(jù)處理 121
5．1．1 Dataset121
5．1．2 DataLoader 128
5．2 預(yù)訓(xùn)練模型 135
5．3 可視化工具 137
5．3．1 TensorBoard 137
5．3．2 Visdom 143
5．4 使用 GPU 加速：CUDA 148
5．5 小結(jié) 154
第 6 章 向量化 155
6．1 向量化簡介 155
6．2 廣播法則 156
6．3 索引操作 157
6．3．1 基本索引 157
6．3．2 高級索引 161
6．3．3 einsum / einops 173
6．4 小試牛刀：使用向量化思想解決實(shí)際問題 179
6．4．1 Box_IoU 179
6．4．2 RoI Align 181
6．4．3 反向 Unique 185
6．5 小結(jié) 185
第 7 章 PyTorch 與 Multi-GPU 187
7．1 單機(jī)多卡并行 187
7．1．1 并行原理介紹 187
7．1．2 DataParallel 使用示例 189
7．2 分布式系統(tǒng) 191
7．2．1 分布式系統(tǒng)的基本概念 191
7．2．2 分布式消息傳遞接口 192
7．2．3 小試牛刀：分布式計(jì)算實(shí)操演練 196
7．3 PyTorch 分布式訓(xùn)練 198
7．3．1 使用 MPI 進(jìn)行分布式訓(xùn)練 198
7．3．2 使用 torch．distributed 進(jìn)行分布式訓(xùn)練 201
7．3．3 使用 Horovod 進(jìn)行分布式訓(xùn)練 203
7．4 分布式訓(xùn)練中的注意事項(xiàng) 206
7．4．1 保持同步 206
7．4．2 進(jìn)程協(xié)作 207
7．4．3 常用調(diào)試技巧 208
7．5 進(jìn)階擴(kuò)展 209
7．6 小結(jié) 210
第 8 章 CUDA 擴(kuò)展與編譯 211
8．1 PyTorch C++ 擴(kuò)展簡介 211
8．1．1 C++ 擴(kuò)展 211
8．1．2 CUDA 擴(kuò)展 216
8．2 CUDA、NVIDIA-driver、cuDNN、PyTorch 之間的關(guān)系 222
8．3 小結(jié) 225
第 9 章 PyTorch 實(shí)戰(zhàn)指南 227
9．1 編程實(shí)戰(zhàn)：貓和狗二分類 227
9．1．1 比賽介紹 228
9．1．2 文件組織結(jié)構(gòu) 228
9．1．3 __init__．py 229
9．1．4 數(shù)據(jù)加載 230
9．1．5 模型定義 232
9．1．6 工具函數(shù) 233
9．1．7 配置文件 235
9．1．8 main．py 237
9．1．9 使用 244
9．1．10 爭議 244
9．2 PyTorch 調(diào)試指南 246
9．2．1 ipdb 介紹 246
9．2．2 在 PyTorch 中調(diào)試 250
9．3 小結(jié) 254
第 10 章 AI 插畫師：生成對抗網(wǎng)絡(luò) 255
10．1 GAN 原理簡介 255
10．2 使用 GAN 生成動漫人物頭像 259
10．3 實(shí)驗(yàn)結(jié)果分析 268
10．4 小結(jié) 269
第 11 章 AI 詩人：用 Transformer 寫詩 271
11．1 自然語言處理的基礎(chǔ)知識 271
11．1．1 詞向量 271
11．1．2 RNN 274
11．2 CharRNN 277
11．3 Transformer 278
11．3．1 自注意力模塊 280
11．3．2 位置編碼模塊 281
11．4 使用 PyTorch 實(shí)現(xiàn) Transformer 寫詩 282
11．5 小結(jié) 294
第 12 章 AI 藝術(shù)家：神經(jīng)網(wǎng)絡(luò)風(fēng)格遷移 295
12．1 風(fēng)格遷移原理介紹 296
12．2 使用 PyTorch 實(shí)現(xiàn)風(fēng)格遷移 300
12．3 實(shí)驗(yàn)結(jié)果分析 308
12．4 小結(jié) 310
第 13 章 CenterNet：目標(biāo)檢測 311
13．1 目標(biāo)檢測概述 311
13．2 CenterNet 原理介紹 313
13．3 使用 PyTorch 實(shí)現(xiàn) CenterNet 318
13．3．1 使用 pycocotools 加載 COCO 數(shù)據(jù)集 318
13．3．2 搭建 CenterNet 網(wǎng)絡(luò) 319
13．4 實(shí)驗(yàn)結(jié)果分析 328
13．5 小結(jié) 330
參考文獻(xiàn) 331

展開全部

深度學(xué)習(xí)框架PyTorch(入門與實(shí)踐第2版) 作者簡介

王博：北京郵電大學(xué)模式識別實(shí)驗(yàn)室在讀碩士研究生，主要研究方向?yàn)樯疃葘W(xué)習(xí)與計(jì)算機(jī)視覺。Python程序員，PyTorch推廣者。作為助教為大一學(xué)生講解《人工智能導(dǎo)論》實(shí)驗(yàn)課程，受到同學(xué)們的好評。 陳云：多倫多大學(xué)在讀計(jì)算機(jī)博士生，現(xiàn)任waabi.ai研究員。曾在Uber ATG從事無人駕駛研究，獲得CVPR2021最佳論文提名。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服