PyTorch深度學習實戰(zhàn)

譯者序
前言
作者簡介
審校者簡介
第1章　深度學習回顧和PyTorch簡介1
11　PyTorch的歷史2
12　PyTorch是什么3
121　安裝PyTorch4
122　PyTorch流行的原因5
13　使用計算圖7
131　使用靜態(tài)圖8
132　使用動態(tài)圖11
14　探索深度學習13
15　開始編寫代碼22
151　學習基本操作22
152　PyTorch的內(nèi)部邏輯28
16　總結(jié)31
參考資料32
第2章　一個簡單的神經(jīng)網(wǎng)絡33
21　問題概述33
22　數(shù)據(jù)集34
23　新手模型38
24　PyTorch方式49
241　高階API50
242　functional模塊55
243　損失函數(shù)57
244　優(yōu)化器57
25　總結(jié)59
參考資料59
第3章　深度學習工作流60
31　構(gòu)思和規(guī)劃61
32　設(shè)計和實驗62
321　數(shù)據(jù)集和DataLoader類62
322　實用程序包65
33　模型實現(xiàn)75
34　訓練和驗證79
35　總結(jié)86
參考資料 86
第4章　計算機視覺87
41　CNN簡介87
42　將PyTorch應用于計算機視覺90
421　簡單CNN90
422　語義分割99
43　總結(jié)112
參考資料112
第5章　序列數(shù)據(jù)處理114
51　循環(huán)神經(jīng)網(wǎng)絡簡介114
52　問題概述116
53　實現(xiàn)方法116
531　簡單RNN117
532　高級RNN130
533　遞歸神經(jīng)網(wǎng)絡137
54　總結(jié)141
參考資料142
第6章　生成網(wǎng)絡143
61　方法定義144
62　自回歸模型145
621　PixelCNN147
622　WaveNet153
63　GAN161
631　簡單GAN161
632　CycleGAN168
64　總結(jié)173
參考資料173
第7章　強化學習175
71　問題定義177
72　回合制任務與連續(xù)任務178
73　累積折扣獎勵179
74　馬爾可夫決策過程180
75　解決方法182
751　策略和價值函數(shù)182
752　貝爾曼方程183
753　深度Q學習184
754　經(jīng)驗回放186
755　Gym186
76　總結(jié)194
參考資料194
第8章　將PyTorch應用到生產(chǎn)195
81　使用Flask提供服務196
82　ONNX202
83　使用TorchScript提高效率215
84　探索RedisAI218
85　總結(jié)222
參考資料223