中图网

>

计算机理论

PYTORCH深度学习实战:构建、训练和部署神经网络模型(原书第2版)

作者：[印度]普拉迪帕塔·米什拉（Pradee

出版社：机械工业出版社出版时间：2024-08-01

开本： 16开 页数： 279

本类榜单：计算机/网络销量榜

中图价:¥76.3(7.0折) 定价 ~~¥109.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
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)

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)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥76.3 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

PYTORCH深度学习实战:构建、训练和部署神经网络模型(原书第2版) 版权信息

ISBN：9787111759195
条形码：9787111759195 ; 978-7-111-75919-5
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

PYTORCH深度学习实战:构建、训练和部署神经网络模型(原书第2版) 本书特色

本书的核心优势在于,采用易于理解的问题与解决方案的结构,全面而详尽地讲解了PyTorch的使用方法,并提供了大量相应的代码示例,以便将这些概念顺利应用于实际项目中。

PYTORCH深度学习实战:构建、训练和部署神经网络模型(原书第2版) 内容简介

本书提供使用PyTorch 开发深度学习应用程序的基本原理和方法,旨在为读者介绍机器学习工程师和数据科学家在解决深度学习问题中所采用的主流现代算法与技术,紧跟深度学习领域的*新发展趋势,助力初学者熟练掌握PyTorch。本书的核心优势在于,采用易于理解的问题与解决方案的结构,全面而详尽地讲解了PyTorch的使用方法,并提供了大量相应的代码示例,以便将这些概念顺利应用于实际项目中。本书适合对计算机视觉、自然语言处理等领域感兴趣的人士阅读。对于希望在深度学习任务中运用PyTorch 的读者,本书将是一本实用的指南。

PYTORCH深度学习实战:构建、训练和部署神经网络模型(原书第2版) 目录

目录译者序关于作者关于技术审查员致谢前言第1 章 PyTorch 入门,张量与张量运算 1 什么是PyTorch 5 PyTorch 安装 5 秘籍1-1 张量的使用 7 小结 36 第2 章使用PyTorch 中的概率分布 37 秘籍2-1 采样张量 38 秘籍2-2 可变张量 43 秘籍2-3 统计学基础 45 秘籍2-4 梯度计算 51 秘籍2-5 张量运算之一 54 秘籍 2-6 张量运算之二 55 秘籍2-7 统计分布 58 小结 62 第3 章使用PyTorch 中的卷积神经网络和循环神经网络 63 秘籍 3-1 设置损失函数 63 秘籍3-2 估计损失函数的导数 67 秘籍3-3 模型微调 73 秘籍3-4 优化函数选择 75 秘籍3-5 进一步优化函数 80 秘籍3-6 实现卷积神经网络 84 秘籍3-7 模型重载 92 秘籍3-8 实现循环神经网络 96 秘籍3-9 实现用于回归问题的循环神经网络 102 秘籍3-10 使用PyTorch 内置的循环神经网络函数 104 秘籍3-11 使用自编码器(Autoencoder) 108 秘籍 3-12 使用自编码器实现结果微调 113 秘籍3-13 约束模型过拟合 116 秘籍3-14 可视化模型过拟合 119 秘籍3-15 初始化权重中的丢弃率 123 秘籍3-16 添加数学运算 125 秘籍3-17 循环神经网络中的嵌入层 128 小结 130 第4 章 PyTorch 中的神经网络简介 131 秘籍4-1 激活函数的使用 131 秘籍4-2 激活函数可视化 139 秘籍4-3 基本的神经网络模型 142 秘籍4-4 张量微分 146 小结 148 第5 章 PyTorch 中的监督学习 149 秘籍5-1 监督模型的数据准备 153 秘籍5-2 前向和反向传播神经网络 155 秘籍5-3 优化和梯度计算 158 秘籍5-4 查看预测结果 160 秘籍5-5 监督模型逻辑回归 164 小结 168 第6 章使用PyTorch 对深度学习模型进行微调 169 秘籍6-1 构建顺序神经网络 170 秘籍6-2 确定批量的大小 172 秘籍6-3 确定学习率 175 秘籍6-4 执行并行训练 180 小结 182 第7 章使用PyTorch 进行自然语言处理 183 秘籍7-1 词嵌入 185 秘籍7-2 使用PyTorch 创建CBOW 模型 190 秘籍7-3 LSTM 模型 194 小结 199 第8 章分布式PyTorch 建模、模型优化和部署 200 秘籍8-1 分布式Torch 架构 200 秘籍8-2 Torch 分布式组件 202 秘籍8-3 设置分布式PyTorch 203 秘籍8-4 加载数据到分布式PyTorch 205 秘籍8-5 PyTorch 中的模型量化 208 秘籍8-6 量化观察器应用 211 秘籍8-7 使用MNIST 数据集应用量化技术 213 小结 225 第9 章图像和音频的数据增强、特征工程和提取 226 秘籍9-1 音频处理中的频谱图 226 秘籍9-2 安装Torchaudio 229 秘籍9-3 将音频文件加载到PyTorch 中 231 秘籍9-4 安装用于音频的Librosa 库 232 秘籍9-5 频谱图变换 234 秘籍9-6 Griffin-Lim 变换 236 秘籍9-7 使用滤波器组进行梅尔尺度转换 237 秘籍9-8 Librosa 的梅尔尺度转换与Torchaudio 版本对比 240 秘籍9-9 使用Librosa 和Torchaudio 进行MFCC 和LFCC 243 秘籍9-10 图像数据增强 247 小结 250 第10 章 PyTorch 模型可解释性和Skorch 251 秘籍10-1 安装Captum 库 252 秘籍10-2 主要归因:深度学习模型的特征重要性 253 秘籍10-3 深度学习模型中神经元的重要性 259 秘籍10-4 安装Skorch 库 260 秘籍10-5 Skorch 组件在神经网络分类器中的应用 262 秘籍10-6 Skorch 神经网络回归器 265 秘籍10-7 Skorch 模型的保存和加载 269 秘籍10-8 使用Skorch 创建神经网络模型流水线 270 秘籍10-9 使用Skorch 进行神经网络模型的轮次评分 272 秘籍10-10 使用Skorch 进行超参数的网格搜索 274 小结 276

展开全部

PYTORCH深度学习实战:构建、训练和部署神经网络模型(原书第2版) 作者简介

普拉迪帕塔·米什拉(Pradeepta Mishra)，数据科学家、预测模型专家、深度学习和机器学习实践者、计量经济学家，目前在印度班加罗尔的Ma Foi Analytics 数据科学和机器学习实践。他持有零售行业中增强货架图设计的专利，并且在艾哈迈德巴德印度管理学院就读期间发表了相关的研究论文。他现在还是很多商科院校的客座教师，经常开展数据科学和机器学习的讲座。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐