深度學習框架PyTorch:入門與實踐

深度學習框架PyTorch:入門與實踐

《深度學習框架PyTorch:入門與實踐》是2018年1月電子工業出版社出版的圖書,作者是陳雲。

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 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

相關詞條

熱門詞條

聯絡我們