編輯推薦
本書選用Facebook開源深度學習庫PyTorch作為深度學習框架，讀者可以通過實戰操作，快速創建經典卷積神經網路、循環神經網路、自編碼模型、對抗生成網路等模型。開啟海綿模式，儘可能多地學習深度學習原理知識，並有針對性地進行實際訓練，相信一定會有所收穫。
內容提要
深度學習已經成為人工智慧炙手可熱的技術，PyTorch是一個較新的、容易上手的深度學習開源框架，目前已得到廣泛套用。《深度學習框架PyTorch快速開發與實戰》從PyTorch框架結構出發，通過案例主要介紹了線性回歸、邏輯回歸、前饋神經網路、卷積神經網路、循環神經網路、自編碼模型、以及生成對抗網路。《深度學習框架PyTorch快速開發與實戰》作為深度學習的入門教材，省略了大量的數學模型推導，適合深度學習初學者，人工智慧領域的從業者，以及深度學習感興趣的人閱讀。
目錄
第一部分理論部分
第1章 深度學習簡介 2
1.1 深度學習 2
1.2 神經網路的發展 6
1.3 深度學習的套用 7
1.4 常用的數學知識和機器學習算法 8
1.5 PyTorch簡介 11
1.5.1 PyTorch介紹 11
1.5.2 使用PyTorch的公司 15
1.5.3 PyTorch API 16
1.5.4 為什麼選擇Python語言 16
1.5.5 Python語言的特點 16
1.6 常用的機器學習、深度學習開源框架 17
1.7 其他常用的模組庫 19
1.8 深度學習常用名詞 20
第2章 PyTorch環境安裝 33
2.1 基於Ubuntu環境的安裝 33
2.1.1 安裝Anaconda 35
2.1.2 設定國內鏡像 36
2.2 Conda命令安裝PyTorch 37
2.3 pip命令安裝PyTorch 37
2.4 配置CUDA 38
第3章 PyTorch基礎知識 40
3.1 張量 40
3.2 數學操作 43
3.3 數理統計 44
3.4 比較操作 45
第4章 簡單案例入門 47
4.1 線性回歸 47
4.2 邏輯回歸 52
第5章 前饋神經網路 59
5.1 實現前饋神經網路 61
5.2 數據集 68
5.3 卷積層 72
5.4 Functional函式 75
5.5 最佳化算法 82
5.6 自動求導機制 85
5.7 保存和載入模型 87
5.8 GPU加速運算 87
第6章 PyTorch可視化工具 89
6.1 Visdom介紹 89
6.2 Visdom基本概念 90
6.2.1 Panes（窗格） 90
6.2.2 Environments（環境） 90
6.2.3 State（狀態） 91
6.3 安裝Visdom 91
6.4 可視化接口 91
6.4.1 Python函式屬性提取技巧 92
6.4.2 vis.text 93
6.4.3 vis.image 93
6.4.4 vis.scatter 94
6.4.5 vis.line 95
6.4.6 vis.stem 97
6.4.7 vis.heatmap 97
6.4.8 vis.bar 99
6.4.9 vis.histogram 101
6.4.10 vis.boxplot 102
6.4.11 vis.surf 103
6.4.12 vis.contour 104
6.4.13 vis.mesh 106
6.4.14 vis.svg 107
第二部分 實戰部分
第7章 卷積神經網路 110
7.1 卷積層 112
7.2 池化層 114
7.3 經典的卷積神經網路 115
7.3.1 LeNet-5神經網路結構 115
7.3.2 ImageNet-2010網路結構 117
7.3.3 VGGNet網路結構 122
7.3.4 GoodLeNet網路結構 124
7.3.5 ResNet網路結構 126
7.4 卷積神經網路案例 129
7.5 深度殘差模型案例 138
第8章 循環神經網路簡介 145
8.1 循環神經網路模型結構 146
8.2 不同類型的RNN 147
8.3 LSTM結構具體解析 151
8.4 LSTM的變體 153
8.5 循環神經網路實現 156
8.5.1 循環神經網路案例 156
8.5.2 雙向RNN案例 160
第9章 自編碼模型 164
第10章 對抗生成網路 172
10.1 DCGAN原理 175
10.2 GAN對抗生成網路實例 180
第11章 Seq2seq自然語言處理 186
11.1 Seq2seq自然語言處理簡介 186
11.2 Seq2seq自然語言處理案例 188
第12章 利用PyTorch實現量化交易 204
12.1 線性回歸預測股價 205
12.2 前饋神經網路預測股價 209
12.3 遞歸神經網路預測股價 214
作者簡介
邢夢來，擅長量化分析理論，深入研究多空對比分析，對多空趨勢平衡有獨特的見解，形成一套多空對比體系。同時對對交易心理狀況、人工智慧與區塊鏈技術也有較深的研究。
王碩，資深軟體工程師，具有9年的Java企業套用開發經驗和4年的教育培訓經驗，曾主持多個B/S項目開發，項目經驗豐富，擅長Java EE（Struts2、Spring3、Hibernate3）項目開發、Python（程式GUI、數據分析、網路爬蟲）項目開發，是極寬TOP開源團隊核心成員，也是《PyQt5快速開發與實戰》一書的作者之一。
孫洋洋，《PyQt5快速開發與實戰》一書的作者之一，擅長網路爬蟲、機器學習、量化投資與程式GUI開發設計。有多年量化投資實盤操作經歷，現就職於某期貨公司做量化研究員。
