深度学习入门之PyTorch 下载 mobi epub pdf 电子书 2024

☆☆☆☆☆
简体网页||繁体网页

廖星宇著

下载链接在页面底部

点击这里下载

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到新城书站

book.cndgn.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2024-11-24

图书介绍

出版社：电子工业出版社

ISBN：9787121326202

版次：1

商品编码：12205841

品牌：Broadview

包装：平装

丛书名：博文视点AI系列

开本：16开

出版时间：2017-09-01

用纸：胶版纸

页数：232

正文语种：中文

类似图书点击查看全场最低价

图书描述

产品特色

编辑推荐

适读人群：本书将理论和代码相结合，帮助读者更好地进入深度学习领域，适合任何对深度学习感兴趣的人。

1 作者本身也是从小白开始入门深度学习的，无论从书中内容，还是讲解思路，以及语言风格，均适合你从零开始进入深度学习这个充满魔力的世界。

2 实例简单而不简约，用到了生成对抗网络和注意力机制等目前相对前沿的深度学习技术。

3 虽然是一本入门教程，但是对原理的讲述也不含糊，清晰易懂，让读者能知其然且知其所以然。

内容简介

深度学习如今已经成为了科技领域*炙手可热的技术，在本书中，我们将帮助你入门深度学习的领域。本书将从人工智能的介绍入手，了解机器学习和深度学习的基础理论，并学习如何用PyTorch框架对模型进行搭建。通过阅读本书，你将会学习到机器学习中的线性回归和logistic回归，深度学习的优化方法，多层全连接神经网络，卷积神经网络，循环神经网络以及生成对抗网络，同时从零开始对PyTorch进行学习，了解PyTorch基础及如何用其进行模型的搭建，*后通过实战了解*前沿的研究成果和PyTorch在实际项目中的应用。

作者简介

廖星宇，目前就读于中国科学技术大学应用数学系，获得国家一等奖学金。在个人博客、知乎等平台上发布多篇关于深度学习的文章，具有一定的阅读量和人气。

第1 章深度学习介绍1
1．1 人工智能．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．2 数据挖掘、机器学习与深度学习．．．．．．．．．．．．．．．．．．．．．．． 2
1．2．1 数据挖掘．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 3
1．2．2 机器学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 3
1．2．3 深度学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 4
1．3 学习资源与建议．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 8
第2 章深度学习框架11
2．1 深度学习框架介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
2．2 PyTorch 介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 13
2．2．1 什么是PyTorch ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 13
2．2．2 为何要使用PyTorch ．．．．．．．．．．．．．．．．．．．．．．．．．． 14
2．3 配置PyTorch 深度学习环境．．．．．．．．．．．．．．．．．．．．．．．．．． 15
2．3．1 操作系统的选择．．．．．．．．．．．．．．．．．．．．．．．．．．．． 15
2．3．2 Python 开发环境的安装．．．．．．．．．．．．．．．．．．．．．．．． 16
2．3．3 PyTorch 的安装．．．．．．．．．．．．．．．．．．．．．．．．．．．． 18
第3 章多层全连接神经网络24
3．1 热身：PyTorch 基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 24
3．1．1 Tensor（张量）．．．．．．．．．．．．．．．．．．．．．．．．．．．． 24
3．1．2 Variable（变量）．．．．．．．．．．．．．．．．．．．．．．．．．．． 26
3．1．3 Dataset（数据集）．．．．．．．．．．．．．．．．．．．．．．．．．．． 28
3．1．4 nn．Module（模组）．．．．．．．．．．．．．．．．．．．．．．．．．． 29
3．1．5 torch．optim（优化）．．．．．．．．．．．．．．．．．．．．．．．．．． 30
3．1．6 模型的保存和加载．．．．．．．．．．．．．．．．．．．．．．．．．． 31
3．2 线性模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 32
3．2．1 问题介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 32
3．2．2 一维线性回归．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 33
3．2．3 多维线性回归．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 34
3．2．4 一维线性回归的代码实现．．．．．．．．．．．．．．．．．．．．．． 35
3．2．5 多项式回归．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 38
3．3 分类问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 42
3．3．1 问题介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 42
3．3．2 Logistic 起源．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 42
3．3．3 Logistic 分布．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 42
3．3．4 二分类的Logistic 回归．．．．．．．．．．．．．．．．．．．．．．．． 43
3．3．5 模型的参数估计．．．．．．．．．．．．．．．．．．．．．．．．．．．． 44
3．3．6 Logistic 回归的代码实现．．．．．．．．．．．．．．．．．．．．．．． 45
3．4 简单的多层全连接前向网络．．．．．．．．．．．．．．．．．．．．．．．．． 49
3．4．1 模拟神经元．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 49
3．4．2 单层神经网络的分类器．．．．．．．．．．．．．．．．．．．．．．．． 50
3．4．3 激活函数．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 51
3．4．4 神经网络的结构．．．．．．．．．．．．．．．．．．．．．．．．．．．． 54
3．4．5 模型的表示能力与容量．．．．．．．．．．．．．．．．．．．．．．．． 55
3．5 深度学习的基石：反向传播算法．．．．．．．．．．．．．．．．．．．．．．． 57
3．5．1 链式法则．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 57
3．5．2 反向传播算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 58
3．5．3 Sigmoid 函数举例．．．．．．．．．．．．．．．．．．．．．．．．．．． 58
3．6 各种优化算法的变式．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 59
3．6．1 梯度下降法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 59
3．6．2 梯度下降法的变式．．．．．．．．．．．．．．．．．．．．．．．．．． 62
3．7 处理数据和训练模型的技巧．．．．．．．．．．．．．．．．．．．．．．．．． 64
3．7．1 数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 64
3．7．2 权重初始化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 66
3．7．3 防止过拟合．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 67
3．8 多层全连接神经网络实现MNIST 手写数字分类．．．．．．．．．．．．．． 69
3．8．1 简单的三层全连接神经网络．．．．．．．．．．．．．．．．．．．．． 70
3．8．2 添加激活函数．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 70
3．8．3 添加批标准化．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 71
3．8．4 训练网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 71
第4 章卷积神经网络76
4．1 主要任务及起源．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 76
4．2 卷积神经网络的原理和结构．．．．．．．．．．．．．．．．．．．．．．．．． 77
4．2．1 卷积层．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 80
4．2．2 池化层．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 84
4．2．3 全连接层．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 85
4．2．4 卷积神经网络的基本形式．．．．．．．．．．．．．．．．．．．．．． 85
4．3 PyTorch 卷积模块．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 87
4．3．1 卷积层．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 87
4．3．2 池化层．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 88
4．3．3 提取层结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 90
4．3．4 如何提取参数及自定义初始化．．．．．．．．．．．．．．．．．．．． 91
4．4 卷积神经网络案例分析．．．．．．．．．．．．．．．．．．．．．．．．．．．． 92
4．4．1 LeNet ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 93
4．4．2 AlexNet ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 94
4．4．3 VGGNet ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 95
4．4．4 GoogLeNet ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 98
4．4．5 ResNet ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 100
4．5 再实现MNIST 手写数字分类．．．．．．．．．．．．．．．．．．．．．．．．． 103
4．6 图像增强的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 105
4．7 实现cifar10 分类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 107
第5 章循环神经网络111
5．1 循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 111
5．1．1 问题介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 112
5．1．2 循环神经网络的基本结构．．．．．．．．．．．．．．．．．．．．．． 112
5．1．3 存在的问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 115
5．2 循环神经网络的变式：LSTM 与GRU ．．．．．．．．．．．．．．．．．．．． 116
5．2．1 LSTM ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 116
5．2．2 GRU ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 119
5．2．3 收敛性问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 120
5．3 循环神经网络的PyTorch 实现．．．．．．．．．．．．．．．．．．．．．．．． 122
5．3．1 PyTorch 的循环网络模块．．．．．．．．．．．．．．．．．．．．．．． 122
5．3．2 实例介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 127
5．4 自然语言处理的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 131
5．4．1 词嵌入．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 131
5．4．2 词嵌入的PyTorch 实现．．．．．．．．．．．．．．．．．．．．．．．． 133
5．4．3 N Gram 模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 133
5．4．4 单词预测的PyTorch 实现．．．．．．．．．．．．．．．．．．．．．．． 134
5．4．5 词性判断．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 136
5．4．6 词性判断的PyTorch 实现．．．．．．．．．．．．．．．．．．．．．．． 137
5．5 循环神经网络的更多应用．．．．．．．．．．．．．．．．．．．．．．．．．．． 140
5．5．1 Many to one ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 140
5．5．2 Many to Many（shorter）．．．．．．．．．．．．．．．．．．．．．．． 141
5．5．3 Seq2seq ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 141
5．5．4 CNN+RNN ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 142
第6 章生成对抗网络144
6．1 生成模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 144
6．1．1 自动编码器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 145
6．1．2 变分自动编码器．．．．．．．．．．．．．．．．．．．．．．．．．．．． 150
6．2 生成对抗网络．．．．．．．．．深度学习入门之PyTorch 下载 mobi epub pdf txt 电子书格式