夜色阁亚洲一区二区三区,一级毛片一级毛片一级毛片aa

內(nèi)容簡介

　　本書用淺顯易懂的語言，圖文并貌地講解了深度學(xué)習(xí)的基礎(chǔ)知識，從如何挑選硬件到神經(jīng)網(wǎng)絡(luò)的初步搭建，再到實現(xiàn)圖片識別、文本翻譯、強化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)等多個目前*流行的深度學(xué)習(xí)應(yīng)用。書中基于目前流行的PyTorch框架，運用Python語言實現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實踐緊密結(jié)合。

作者簡介

　　曾芃壹，現(xiàn)為中山大學(xué)數(shù)據(jù)科學(xué)與計算機學(xué)院在讀碩士，主要研究興趣有深度學(xué)習(xí)、語音識別、推薦系統(tǒng)、自動犯罪偵查等。熟悉C、C++、Java、Python等多種程序設(shè)計語言、Flask建站技術(shù)以及PyTorch、TensorFlow深度學(xué)習(xí)框架，在簡書上寫了多篇PyTorch的文章，深受讀者歡迎。

圖書目錄

第一部分　基礎(chǔ)篇
第　1章準(zhǔn)備工作　2
1．1　硬件配置　2
1．2　在Mac OS X系統(tǒng)下配置PyTorch運行環(huán)境　6
1．3　在Ubuntu系統(tǒng)下配置PyTorch運行環(huán)境　8
1．4　在Windows系統(tǒng)下配置PyTorch運行環(huán)境　14
第　2章 Tensor基礎(chǔ)　17
2．1　Tensor　17
2．2　Autograd　30
第3章　深度學(xué)習(xí)基礎(chǔ)　35
3．1　機器學(xué)習(xí)　35
3．2　線性回歸　38
3．3　非線性回歸　53
3．4　邏輯回歸　58
3．5　多元分類　66
3．6　反向傳播　70
3．7　卷積神經(jīng)網(wǎng)絡(luò)　72
3．8　手寫字體識別　78
3．9　fastai手寫字體識別　86
第二部分　實戰(zhàn)篇
第4章　遷移學(xué)習(xí)　90
4．1　經(jīng)典圖像模型　90
4．2　遷移學(xué)習(xí)實戰(zhàn)　100
4．3　使用fastai實現(xiàn)遷移學(xué)習(xí)　109
第5章　序列轉(zhuǎn)序列模型　111
5．1　循環(huán)神經(jīng)網(wǎng)絡(luò)模型　111
5．2　神經(jīng)翻譯機簡介　119
5．3　利用PyTorch構(gòu)造神經(jīng)翻譯機　122
第6章　生成對抗網(wǎng)絡(luò)　138
6．1　生成對抗網(wǎng)絡(luò)概覽　138
6．2　使用生成對抗網(wǎng)絡(luò)生成二次元頭像　142
6．3　使用TorchGAN生成二次元頭像　149
第7章　深度強化學(xué)習(xí)　153
7．1　深度強化學(xué)習(xí)　153
7．2　基于策略的算法　155
7．3　基于值的算法　157
7．4　Gym簡介　161
7．5　Q-Learning實戰(zhàn)　163
第8章　風(fēng)格遷移　168
8．1　風(fēng)格遷移原理　168
8．2　風(fēng)格遷移實踐　174
第三部分　高級篇
第9章　PyTorch擴展　184
9．1　自定義神經(jīng)網(wǎng)絡(luò)層　184
9．2　C++加載PyTorch模型　189
第　10章 PyTorch模型遷移　193
10．1　ONNX簡介　193
10．2　使用ONNX將PyTorch模型遷移至Caffe2　196
10．3　使用ONNX將PyTorch模型遷移至Core　ML　199
第　11章 PyTorch可視化　201
11．1　使用visdom實現(xiàn)PyTorch可視化　201
11．2　使用TensorBoard實現(xiàn)PyTorch可視化　213
11．3　使用Netron顯示模型　221
第　12章 PyTorch的并行計算　223
12．1　多進程　223
12．2　多GPU并行計算　231