扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
PyTorch深度学习应用实战 版权信息
- ISBN：9787302645108
- 条形码：9787302645108 ; 978-7-302-64510-8
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
PyTorch深度学习应用实战 本书特色
《PyTorch深度学习应用实战》适合深度学习入门者、数据工程师、信息技术工作者阅读，也可作为高校计算机相关专业的教材。
PyTorch深度学习应用实战 内容简介
《PyTorch深度学习应用实战》以统计学/数学为出发点，介绍深度学习的数理基础，讲解PyTorch的主体架构及*新的模块功能，包括常见算法与相关套件的使用方法，例如对象侦测、生成对抗网络、深度伪造、图像中的文字辨识、脸部辨识、BERT/Transformer、聊天机器人、强化学习、自动语音识别、知识图谱等。本书配有大量案例及图表说明，同时以程序设计取代定理证明，缩短学习过程，增加学习乐趣。
PyTorch深度学习应用实战 目录
第1篇 深度学习导论
第 1 章 深度学习介绍 2
1-1 人工智能历经的三波浪潮 2
1-2 AI的学习地图 3
1-3 TensorFlow对比 PyTorch 5
1-4 机器学习开发流程 6
1-5 开发环境安装 7
1-6 免费云端环境开通 9
第2章 神经网络原理 12
2-1 的数学与统计知识 12
2-2 万般皆自“回归”起 13
2-3 神经网络 16
2-3-1 神经网络概念 17
2-3-2 梯度下降法 19
2-3-3 神经网络权重求解 22
第2篇 PyTorch基础篇
第 3 章 PyTorch 学习路径与主要
功能 25
3-1 PyTorch学习路径 25
3-2 张量运算 26
3-2-1 向量 26
3-2-2 矩阵 30
3-2-3 使用PyTorch 33
3-3 自动微分 36
3-4 神经网络层 43
3-5 总结 50
第 4 章 神经网络实操 51
4-1 撰写**个神经网络程序 51
4-1-1 *简短的程序 51
4-1-2 程序强化 53
4-1-3 试验 62
4-2 模型种类 67
4-2-1 Sequential model 67
4-2-2 Functional API 68
4-3 神经层 71
4-3-1 完全连接层 72
4-3-2 Dropout Layer 72
4-4 激励函数 72
4-5 损失函数 74
4-6 优化器 75
4-7 效能衡量指标 77
4-8 超参数调校 80
第 5 章 PyTorch 进阶功能 86
5-1 数据集及数据加载器 86
5-2 TensorBoard 92
5-2-1 TensorBoard功能 92
5-2-2 测试 94
5-3 模型部署与TorchServe 99
5-3-1 自行开发网页程序 99
5-3-2 TorchServe 100
第 6 章 卷积神经网络 103
6-1 卷积神经网络简介 103
6-2 卷积 104
6-3 各种卷积 107
6-4 池化层 110
6-5 CNN模型实操 111
6-6 影像数据增强 119
6-7 可解释的AI 126
第 7 章 预先训练的模型 134
7-1 预先训练模型的简介 134
7-2 采用完整的模型 137
7-3 采用部分模型 140
7-4 转移学习 144
7-5 Batch Normalization说明 148
第3篇 进阶的影像应用
第 8 章 对象侦测 153
8-1 图像辨识模型的发展 153
8-2 滑动窗口 154
8-3 方向梯度直方图 156
8-4 R-CNN对象侦测 166
8-5 R-CNN改良 170
8-6 YOLO算法简介 176
8-7 YOLO v5测试 179
8-8 YOLO v5模型训练 181
8-9 YOLO v7测试 181
8-10 YOLO模型训练 183
8-11 SSD算法 186
8-12 对象侦测的效能衡量指标 188
8-13 总结 188 第 9 章 进阶的影像应用 189
9-1 语义分割介绍 189
9-2 自动编码器 190
9-3 语义分割实操 202
9-4 实例分割 208
9-5 风格转换—人人都可以是
毕加索 214
9-6 脸部辨识 220
9-6-1 脸部侦测 221
9-6-2 MTCNN算法 225
9-6-3 脸部追踪 230
9-6-4 脸部特征点侦测 235
9-6-5 脸部验证 240
9-7 光学文字辨识 242
9-8 车牌辨识 245
9-9 卷积神经网络的缺点 249
第 10 章 生成对抗网络 251
10-1 生成对抗网络介绍 251
10-2 生成对抗网络种类 253
10-3 DCGAN 256
10-4 Progressive GAN 264
10-5 Conditional GAN 265
10-6 Pix2Pix 269
10-7 CycleGAN 277
10-8 GAN挑战 282
10-9 深度伪造 284
第4篇 自然语言处理
第 11 章 自然语言处理的介绍 287
11-1 词袋与TF-IDF 287
11-2 词汇前置处理 290
11-3 词向量 295
11-4 GloVe模型 309
11-5 中文处理 311
11-6 spaCy套件 313
第 12 章 自然语言处理的算法 318
12-1 循环神经网络 318
12-2 PyTorch 内建文本数据集 330
12-3 长短期记忆网络 335
12-4 自定义数据集 338
12-5 时间序列预测 340
12-6 Gate Recurrent Unit 344
12-7 股价预测 346
12-8 注意力机制 349
12-9 Transformer架构 361
12-9-1 Transformer原理 361
12-9-2 Transformer效能 363
12-10 BERT 364
12-10-1 Masked LM 365
12-10-2 Next Sentence
Prediction 365
12-10-3 BERT效能微调 366
12-11 Transformers框架 368
12-11-1 Transformers框架
范例 368
12-11-2 Transformers框架效能
微调 377
12-11-3 Transformers中文
模型 382
12-11-4 后续努力 383
12-12 总结 383
第 13 章 ChatBot 384
13-1 ChatBot类别 384
13-2 ChatBot设计 385
13-3 ChatBot实操 387
13-4 ChatBot工具套件 389
13-4-1 ChatterBot实操 389
13-4-2 chatbotAI实操 392
13-4-3 Rasa实操 395
13-5 Dialogflow实操 398
13-5-1 Dialogflow基本功能 400
13-5-2 履行 405
13-5-3 整合 408
13-6 总结 410
第 14 章 语音识别 411
14-1 语音基本认识 412
14-2 语音前置处理 421
14-3 PyTorch语音前置处理 430
14-4 PyTorch内建语音数据集 439
14-5 语音深度学习应用 443
14-6 自动语音识别 454
14-7 自动语音识别实操 457
14-8 总结 457
第5篇 强化学习
第 15 章 强化学习原理及应用 460
15-1 强化学习的基础 460
15-2 强化学习模型 464
15-3 简单的强化学习架构 466
15-4 Gym套件 476
15-5 Gym扩充功能 484
15-6 动态规划 486
15-7 值循环 495
15-8 蒙特卡罗 497
15-9 时序差分 505
15-9-1 SARSA算法 506
15-9-2 Q-learning算法 510
15-10 井字游戏 513
15-11 连续型状态变量与Deep
Q-Learning算法 519
15-12 Actor Critic算法 524
15-13 实际应用案例 525
15-14 其他算法 528
15-15 总结 529
第6篇 图神经网络
第 16 章 图神经网络原理及
应用 531
16-1 图形理论 531
16-2 PyTorch Geometric 541
16-3 图神经网络 545
16-4 总结 551
第 1 章 深度学习介绍 2
1-1 人工智能历经的三波浪潮 2
1-2 AI的学习地图 3
1-3 TensorFlow对比 PyTorch 5
1-4 机器学习开发流程 6
1-5 开发环境安装 7
1-6 免费云端环境开通 9
第2章 神经网络原理 12
2-1 的数学与统计知识 12
2-2 万般皆自“回归”起 13
2-3 神经网络 16
2-3-1 神经网络概念 17
2-3-2 梯度下降法 19
2-3-3 神经网络权重求解 22
第2篇 PyTorch基础篇
第 3 章 PyTorch 学习路径与主要
功能 25
3-1 PyTorch学习路径 25
3-2 张量运算 26
3-2-1 向量 26
3-2-2 矩阵 30
3-2-3 使用PyTorch 33
3-3 自动微分 36
3-4 神经网络层 43
3-5 总结 50
第 4 章 神经网络实操 51
4-1 撰写**个神经网络程序 51
4-1-1 *简短的程序 51
4-1-2 程序强化 53
4-1-3 试验 62
4-2 模型种类 67
4-2-1 Sequential model 67
4-2-2 Functional API 68
4-3 神经层 71
4-3-1 完全连接层 72
4-3-2 Dropout Layer 72
4-4 激励函数 72
4-5 损失函数 74
4-6 优化器 75
4-7 效能衡量指标 77
4-8 超参数调校 80
第 5 章 PyTorch 进阶功能 86
5-1 数据集及数据加载器 86
5-2 TensorBoard 92
5-2-1 TensorBoard功能 92
5-2-2 测试 94
5-3 模型部署与TorchServe 99
5-3-1 自行开发网页程序 99
5-3-2 TorchServe 100
第 6 章 卷积神经网络 103
6-1 卷积神经网络简介 103
6-2 卷积 104
6-3 各种卷积 107
6-4 池化层 110
6-5 CNN模型实操 111
6-6 影像数据增强 119
6-7 可解释的AI 126
第 7 章 预先训练的模型 134
7-1 预先训练模型的简介 134
7-2 采用完整的模型 137
7-3 采用部分模型 140
7-4 转移学习 144
7-5 Batch Normalization说明 148
第3篇 进阶的影像应用
第 8 章 对象侦测 153
8-1 图像辨识模型的发展 153
8-2 滑动窗口 154
8-3 方向梯度直方图 156
8-4 R-CNN对象侦测 166
8-5 R-CNN改良 170
8-6 YOLO算法简介 176
8-7 YOLO v5测试 179
8-8 YOLO v5模型训练 181
8-9 YOLO v7测试 181
8-10 YOLO模型训练 183
8-11 SSD算法 186
8-12 对象侦测的效能衡量指标 188
8-13 总结 188 第 9 章 进阶的影像应用 189
9-1 语义分割介绍 189
9-2 自动编码器 190
9-3 语义分割实操 202
9-4 实例分割 208
9-5 风格转换—人人都可以是
毕加索 214
9-6 脸部辨识 220
9-6-1 脸部侦测 221
9-6-2 MTCNN算法 225
9-6-3 脸部追踪 230
9-6-4 脸部特征点侦测 235
9-6-5 脸部验证 240
9-7 光学文字辨识 242
9-8 车牌辨识 245
9-9 卷积神经网络的缺点 249
第 10 章 生成对抗网络 251
10-1 生成对抗网络介绍 251
10-2 生成对抗网络种类 253
10-3 DCGAN 256
10-4 Progressive GAN 264
10-5 Conditional GAN 265
10-6 Pix2Pix 269
10-7 CycleGAN 277
10-8 GAN挑战 282
10-9 深度伪造 284
第4篇 自然语言处理
第 11 章 自然语言处理的介绍 287
11-1 词袋与TF-IDF 287
11-2 词汇前置处理 290
11-3 词向量 295
11-4 GloVe模型 309
11-5 中文处理 311
11-6 spaCy套件 313
第 12 章 自然语言处理的算法 318
12-1 循环神经网络 318
12-2 PyTorch 内建文本数据集 330
12-3 长短期记忆网络 335
12-4 自定义数据集 338
12-5 时间序列预测 340
12-6 Gate Recurrent Unit 344
12-7 股价预测 346
12-8 注意力机制 349
12-9 Transformer架构 361
12-9-1 Transformer原理 361
12-9-2 Transformer效能 363
12-10 BERT 364
12-10-1 Masked LM 365
12-10-2 Next Sentence
Prediction 365
12-10-3 BERT效能微调 366
12-11 Transformers框架 368
12-11-1 Transformers框架
范例 368
12-11-2 Transformers框架效能
微调 377
12-11-3 Transformers中文
模型 382
12-11-4 后续努力 383
12-12 总结 383
第 13 章 ChatBot 384
13-1 ChatBot类别 384
13-2 ChatBot设计 385
13-3 ChatBot实操 387
13-4 ChatBot工具套件 389
13-4-1 ChatterBot实操 389
13-4-2 chatbotAI实操 392
13-4-3 Rasa实操 395
13-5 Dialogflow实操 398
13-5-1 Dialogflow基本功能 400
13-5-2 履行 405
13-5-3 整合 408
13-6 总结 410
第 14 章 语音识别 411
14-1 语音基本认识 412
14-2 语音前置处理 421
14-3 PyTorch语音前置处理 430
14-4 PyTorch内建语音数据集 439
14-5 语音深度学习应用 443
14-6 自动语音识别 454
14-7 自动语音识别实操 457
14-8 总结 457
第5篇 强化学习
第 15 章 强化学习原理及应用 460
15-1 强化学习的基础 460
15-2 强化学习模型 464
15-3 简单的强化学习架构 466
15-4 Gym套件 476
15-5 Gym扩充功能 484
15-6 动态规划 486
15-7 值循环 495
15-8 蒙特卡罗 497
15-9 时序差分 505
15-9-1 SARSA算法 506
15-9-2 Q-learning算法 510
15-10 井字游戏 513
15-11 连续型状态变量与Deep
Q-Learning算法 519
15-12 Actor Critic算法 524
15-13 实际应用案例 525
15-14 其他算法 528
15-15 总结 529
第6篇 图神经网络
第 16 章 图神经网络原理及
应用 531
16-1 图形理论 531
16-2 PyTorch Geometric 541
16-3 图神经网络 545
16-4 总结 551
展开全部
PyTorch深度学习应用实战 作者简介
洪锦魁，中国台湾计算机专家，IT图书知名作者，近年出版《深度学习全书》《Python王者归来（增强版）》《机器学习数学基础一本通（Python版）》《机器学习微积分一本通（Python版）》等图书。
书友推荐
- >
朝闻道
朝闻道
¥15.0¥23.8 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥17.5¥49.8 - >
李白与唐代文化
李白与唐代文化
¥12.5¥29.8 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥9.7¥14.0 - >
诗经-先民的歌唱
诗经-先民的歌唱
¥18.7¥39.8 - >
经典常谈
经典常谈
¥19.5¥39.8 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥16.9¥49.8 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥9.2¥24.0
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
