免费下载书籍地址：PDF下载地址
精美图片
PyTorch深度学习书籍详细信息
- ISBN：9787115508980
- 作者：暂无作者
- 出版社：暂无出版社
- 出版时间：2019-4
- 页数：193
- 价格：55.00
- 纸张：暂无纸张
- 装帧：暂无装帧
- 开本：暂无开本
- 语言：未知
- 丛书：暂无丛书
- TAG：暂无
- 豆瓣评分：暂无豆瓣评分
内容简介：
深度学习为世界上的智能系统（比如Google Voice、Siri和Alexa）提供了动力。随着硬件（如GPU）和软件框架（如PyTorch、Keras、TensorFlow和CNTK）的进步以及大数据的可用性，人们在文本、视觉和分析等领域更容易实施相应问题的解决方案。
本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性，PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先进的深度学习架构的概念（比如ResNet、DenseNet、Inception和Seq2Seq）进行了阐述，但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法，以及用来生成文本和图像的复杂神经网络（如生成网络），也在本书中有所涵盖。
学完本书后，读者可以使用PyTorch轻松开发深度学习应用程序。
书籍目录：
第 1章 PyTorch与深度学习 1
1．1 人工智能 1
1．2 机器学习 3
1．3 深度学习 4
1．3．1 深度学习的应用 4
1．3．2 深度学习的浮夸宣传 6
1．3．3 深度学习发展史 6
1．3．4 为何是现在 7
1．3．5 硬件可用性 7
1．3．6 数据和算法 8
1．3．7 深度学习框架 9
1．4 小结 10
第 2章 神经网络的构成 11
2．1 安装PyTorch 11
2．2 实现第 一个神经网络 12
2．2．1 准备数据 13
2．2．2 为神经网络创建数据 20
2．2．3 加载数据 24
2．3 小结 25
第3章 深入了解神经网络 26
3．1 详解神经网络的组成部分 26
3．1．1 层—神经网络的基本组成 27
3．1．2 非线性激活函数 29
3．1．3 PyTorch中的非线性激活函数 32
3．1．4 使用深度学习进行图像分类 36
3．2 小结 46
第4章 机器学习基础 47
4．1 三类机器学习问题 47
4．1．1 有监督学习 48
4．1．2 无监督学习 48
4．1．3 强化学习 48
4．2 机器学习术语 49
4．3 评估机器学习模型 50
4．4 数据预处理与特征工程 54
4．4．1 向量化 54
4．4．2 值归一化 54
4．4．3 处理缺失值 55
4．4．4 特征工程 55
4．5 过拟合与欠拟合 56
4．5．1 获取更多数据 56
4．5．2 缩小网络规模 57
4．5．3 应用权重正则化 58
4．5．4 应用dropout 58
4．5．5 欠拟合 60
4．6 机器学习项目的工作流 60
4．6．1 问题定义与数据集创建 60
4．6．2 成功的衡量标准 61
4．6．3 评估协议 61
4．6．4 准备数据 62
4．6．5 模型基线 62
4．6．6 大到过拟合的模型 63
4．6．7 应用正则化 63
4．6．8 学习率选择策略 64
4．7 小结 65
第5章 深度学习之计算机视觉 66
5．1 神经网络简介 66
5．2 从零开始构建CNN模型 69
5．2．1 Conv2d 71
5．2．2 池化 74
5．2．3 非线性激活—ReLU 75
5．2．4 视图 76
5．2．5 训练模型 77
5．2．6 狗猫分类问题—从零开始构建CNN 80
5．2．7 利用迁移学习对狗猫分类 82
5．3 创建和探索VGG16模型 84
5．3．1 冻结层 85
5．3．2 微调VGG16模型 85
5．3．3 训练VGG16模型 86
5．4 计算预卷积特征 88
5．5 理解CNN模型如何学习 91
5．6 CNN层的可视化权重 94
5．7 小结 95
第6章 序列数据和文本的深度学习 96
6．1 使用文本数据 96
6．1．1 分词 98
6．1．2 向量化 100
6．2 通过构建情感分类器训练词向量 104
6．2．1 下载IMDB数据并对文本分词 104
6．2．2 构建词表 106
6．2．3 生成向量的批数据 107
6．2．4 使用词向量创建网络模型 108
6．2．5 训练模型 109
6．3 使用预训练的词向量 110
6．3．1 下载词向量 111
6．3．2 在模型中加载词向量 112
6．3．3 冻结embedding层权重 113
6．4 递归神经网络（RNN） 113
6．5 LSTM 117
6．5．1 长期依赖 117
6．5．2 LSTM网络 117
6．6 基于序列数据的卷积网络 123
6．7 小结 125
第7章 生成网络 126
7．1 神经风格迁移 126
7．1．1 加载数据 129
7．1．2 创建VGG模型 130
7．1．3 内容损失 131
7．1．4 风格损失 131
7．1．5 提取损失 133
7．1．6 为网络层创建损失函数 136
7．1．7 创建优化器 136
7．1．8 训练 137
7．2 生成对抗网络（GAN） 138
7．3 深度卷机生成对抗网络 139
7．3．1 定义生成网络 140
7．3．2 定义判别网络 144
7．3．3 定义损失函数和优化器 145
7．3．4 训练判别网络 145
7．3．5 训练生成网络 146
7．3．6 训练整个网络 147
7．3．7 检验生成的图片 148
7．4 语言建模 150
7．4．1 准备数据 151
7．4．2 生成批数据 152
7．4．3 定义基于LSTM的模型 153
7．4．4 定义训练和评估函数 155
7．4．5 训练模型 157
7．5 小结 159
第8章 现代网络架构 160
8．1 现代网络架构 160
8．1．1 ResNet 160
8．1．2 Inception 168
8．2 稠密连接卷积网络（DenseNet） 175
8．2．1 DenseBlock 175
8．2．2 DenseLayer 176
8．3 模型集成 180
8．3．1 创建模型 181
8．3．2 提取图片特征 182
8．3．3 创建自定义数据集和数据加载器 183
8．3．4 创建集成模型 184
8．3．5 训练和验证模型 185
8．4 encoder-decoder架构 186
8．4．1 编码器 188
8．4．2 解码器 188
8．5 小结 188
第9章 未来走向 189
9．1 未来走向 189
9．2 回顾 189
9．3 有趣的创意应用 190
9．3．1 对象检测 190
9．3．2 图像分割 191
9．3．3 PyTorch中的OpenNMT 192
9．3．4 Allen NLP 192
9．3．5 fast．ai—神经网络不再神秘 192
9．3．6 Open Neural Network Exchange 192
9．4 如何跟上前沿 193
9．5 小结 193
作者介绍：
暂无相关内容，正在全力查找中
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
暂无相关书籍摘录，正在全力查找中！
在线阅读/听书/购买/PDF下载地址：
在线阅读地址：PyTorch深度学习在线阅读
在线听书地址：PyTorch深度学习在线收听
在线购买地址：PyTorch深度学习在线购买
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
书籍介绍
深度学习为世界上的智能系统（比如Google Voice、Siri和Alexa）提供了动力。随着硬件（如GPU）和软件框架（如PyTorch、Keras、TensorFlow和CNTK）的进步以及大数据的可用性，人们在文本、视觉和分析等领域更容易实施相应问题的解决方案。
本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性，PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先进的深度学习架构的概念（比如ResNet、DenseNet、Inception和Seq2Seq）进行了阐述，但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法，以及用来生成文本和图像的复杂神经网络（如生成网络），也在本书中有所涵盖。
学完本书后，读者可以使用PyTorch轻松开发深度学习应用程序。
书籍真实打分
故事情节：4分
人物塑造：6分
主题深度：7分
文字风格：3分
语言运用：5分
文笔流畅：6分
思想传递：5分
知识深度：6分
知识广度：9分
实用性：5分
章节划分：8分
结构布局：9分
新颖与独特：8分
情感共鸣：8分
引人入胜：3分
现实相关：7分
沉浸感：6分
事实准确性：7分
文化贡献：6分
网站评分
书籍多样性：3分
书籍信息完全性：8分
网站更新速度：8分
使用便利性：7分
书籍清晰度：9分
书籍格式兼容性：3分
是否包含广告：7分
加载速度：3分
安全性：3分
稳定性：5分
搜索功能：8分
下载便捷性：6分
下载点评
- 无缺页(482+)
- 一星好评(452+)
- 服务好(198+)
- 无漏页(676+)
- 种类多(567+)
- 五星好评(210+)
- 值得下载(238+)
- 微信读书(193+)
- 小说多(460+)
- 内涵好书(240+)
下载评价
网友 石***致：挺实用的，给个赞！希望越来越好，一直支持。
网友 菱***兰：特好。有好多书
网友 堵***洁：好用，支持
网友 师***怀：好是好，要是能免费下就好了
网友 田***珊：可以就是有些书搜不到
网友 戈***玉：特别棒
网友 常***翠：哈哈哈哈哈哈
网友 饶***丽：下载方式特简单，一直点就好了。
网友 焦***山：不错。。。。。
网友 康***溪：强烈推荐！！！