內容簡介
書從多維數組Tensor開始，循序漸進地帶領讀者了解PyTorch各方面的基礎知識，並結合基礎知識和前沿研究，帶領讀者從零開始完成幾個經典有趣的深度學習小目，包括GAN 生成動漫頭像、AI濾鏡、AI 寫詩等。本書沒有簡單機械地介紹各個函式接口的使用，而是嘗試分門別類、循序漸進地向讀者介紹PyTorch的知識，希望讀者對PyTorch有一個完整的認識。本書內容由淺入深，無論是深度學習的初學者，還是第一次接觸PyTorch的研究人員，都能在學習本書的過程中快速掌握PyTorch。即使是有一定PyTorch使用經驗的用戶，也能夠從本書中獲得對PyTorch 不一樣的理解。 該書由淺入深，利用Jupyter notebook幫助讀者快速學習PyTorch，並帶領讀者從零開始完成Kaggle比賽、GAN生成動漫頭像、AI濾鏡、RNN寫詩、圖像描述等深度有趣的套用。
知識導圖圖書目錄
1 PyTorch簡介
1.1 PyTorch的誕生
1.2 常見的深度學習框架簡介
1.2.1 Theano
1.2.2 TensorFlow
1.2.3 Keras
1.2.4 Caffe/Caffe2
1.2.5 MXNet
1.2.6 CNTK
1.2.7 其他框架
1.3 屬於動態圖的未來
1.4 為什麼選擇PyTorch
1.5 星火燎原
1.6 fast.ai 放棄Keras+TensorFlow選擇PyTorch
2 快速入門
2.1 安裝與配置
2.1.1 安裝PyTorch
2.1.2 學習環境配置
2.2 PyTorch入門第一步
2.2.1 Tensor
2.2.2 Autograd：自動微分
2.2.3 神經網路
2.2.4 小試牛刀：CIFAR-10分類
3 Tensor和autograd
3.1 Tensor
3.1.1 基礎操作
3.1.2 Tensor和Numpy
3.1.3 內部結構
3.1.4 其他有關Tensor的話題
3.1.5 小試牛刀：線性回歸
3.2 autograd
3.2.1 Variable
3.2.2 計算圖
3.2.3 擴展autograd
3.2.4 小試牛刀：用Variable實現線性回歸
4 神經網路工具箱nn
4.1 nn.Module
4.2 常用的神經網路層
4.2.1 圖像相關層
4.2.2 激活函式
4.2.3 循環神經網路層
4.2.4 損失函式
4.3 最佳化器
4.4 nn.functional
4.5 初始化策略
4.6 nn.Module深入分析
4.7 nn和autograd的關係
4.8 小試牛刀：用50行代碼搭建ResNet
5 PyTorch中常用的工具
5.1 數據處理
5.2 計算機視覺工具包：torchvision
5.3 可視化工具
5.3.1 Tensorboard
5.3.2 visdom
5.4 使用GPU加速：cuda
5.5 持久化
6 PyTorch實戰指南
6.1 編程實戰：貓和狗二分類
6.1.1 比賽介紹
6.1.2 檔案組織架構
6.1.3 關於__init__.py
6.1.4 數據載入
6.1.5 模型定義
6.1.6 工具函式
6.1.7 配置檔案
6.1.8 main.py
6.1.9 使用
6.1.10 爭議
6.2 PyTorch Debug 指南
6.2.1 ipdb 介紹
6.2.2 在PyTorch中Debug
7 AI插畫師：生成對抗網路
7.1 GAN的原理簡介
7.2 用GAN生成動漫頭像
7.3 實驗結果分析
8 AI藝術家：神經網路風格遷移
8.1 風格遷移原理介紹
8.2 用PyTorch實現風格遷移
8.3 實驗結果分析
9 AI詩人：用RNN寫詩
9.1 自然語言處理的基礎知識
9.1.1 詞向量
9.1.2 RNN
9.2 CharRNN
9.3 用PyTorch實現CharRNN
9.4 實驗結果分析
10 Image Caption：讓神經網路看圖講故事
10.1 圖像描述介紹
10.2 數據
10.2.1 數據介紹
10.2.2 圖像數據處理
10.2.3 數據載入
10.3 模型與訓練
10.4 實驗結果分析
11 展望與未來
11.1 PyTorch的局限與發展
11.2 使用建議
