✍ Scribed by 邢梦来; 王硕; 孙洋洋
No coin nor oath required. For personal study only.
深度学习已经成为人工智能炙手可热的技术，PyTorch是一个较新的、容易上手的深度学习开源框架，目前已得到广泛应用。《深度学习框架PyTorch快速开发与实战》从PyTorch框架结构出发，通过案例主要介绍了线性回归、逻辑回归、前馈神经网络、卷积神经网络、循环神经网络、自编码模型、以及生成对抗网络。《深度学习框架PyTorch快速开发与实战》作为深度学习的入门教材，省略了大量的数学模型推导，适合深度学习初学者，人工智能领域的从业者，以及深度学习感兴趣的人阅读。
扉页
版权页
前言
目录
第一部分 理论部分
第1章 深度学习简介
1.1 深度学习
1.2 神经网络的发展
1.3 深度学习的应用
1.4 常用的数学知识和机器学习算法
1.5 PyTorch简介
1.5.1 PyTorch 介绍
1.5.2 使用PyTorch 的公司
1.5.3 PyTorch API
1.5.4 为什么选择Python 语言
1.5.5 Python 语言的特点
1.6 常用的机器学习、深度学习开源框架
1.7 其他常用的模块库
1.8 深度学习常用名词
第2章 PyTorch环境安装
2.1 基于Ubuntu环境的安装
2.1.1 安装Anaconda
2.1.2 设置国内镜像
2.2 Conda命令安装PyTorch
2.3 pip命令安装PyTorch
2.4 配置CUDA
第3章 PyTorch基础知识
3.1 张量
3.2 数学操作
3.3 数理统计
3.4 比较操作
第4章 简单案例入门
4.1 线性回归
4.2 逻辑回归
第5章 前馈神经网络
5.1 实现前馈神经网络
5.2 数据集
5.3 卷积层
5.4 Functional函数
5.5 优化算法
5.6 自动求导机制
5.7 保存和加载模型
5.8 GPU加速运算
第6章 PyTorch可视化工具
6.1 Visdom介绍
6.2 Visdom基本概念
6.2.1 Panes（窗格）
6.2.2 Environments（环境）
6.2.3 State（状态）
6.3 安装Visdom
6.4 可视化接口
6.4.1 Python 函数属性提取技巧
6.4.2 vis.text
6.4.3 vis.image
6.4.4 vis.scatter
6.4.5 vis.line
6.4.6 vis.stem
6.4.7 vis.heatmap
6.4.8 vis.bar
6.4.9 vis.histogram
6.4.10 vis.boxplot
6.4.11 vis.surf
6.4.12 vis.contour
6.4.13 vis.mesh
6.4.14 vis.svg
第二部分 实战部分
第7章 卷积神经网络
7.1 卷积层
7.2 池化层
7.3 经典的卷积神经网络
7.3.1 LeNet-5 神经网络结构
7.3.2 ImageNet-2010 网络结构
7.3.3 VGGNet 网络结构
7.3.4 GoodLeNet 网络结构
7.3.5 ResNet 网络结构
7.4 卷积神经网络案例
7.5 深度残差模型案例
第8章 循环神经网络简介
8.1 循环神经网络模型结构
8.2 不同类型的RNN
8.3 LSTM结构具体解析
8.4 LSTM的变体
8.5 循环神经网络实现
8.5.1 循环神经网络案例
8.5.2 双向RNN 案例
第9章 自编码模型
第10章 对抗生成网络
10.1 DCGAN原理
10.2 GAN对抗生成网络实例
第11章 Seq2seq自然语言处理
11.1 Seq2seq自然语言处理简介
11.2 Seq2seq自然语言处理案例
第12章 利用PyTorch实现量化交易
12.1 线性回归预测股价
12.2 前馈神经网络预测股价
12.3 递归神经网络预测股价
📜 SIMILAR VOLUMES
<p>TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《Tensorflow实战》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以最快、最有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow实战》包含了深度学习的入门知识和大量实践经验，是走进这个最新、最火的人工智能领域的首选参考书。</p>
<p>TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。</p> <p>第2版将书中所有示例代码从TensorFlow 0.9.0升级到了TensorFlow 1.4.0。在升级API的同时，第2
<p>计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向，《深度学习之PyTorch实战计算机视觉》旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python 编程技能，掌握PyTorch 的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。在掌握深度学习理论和编程技能之后，读者还会学到如何基于PyTorch 深度学习框架实战计算机视觉。《深度学习之PyTorch实战计算机视觉》中的大量实例可让读者在循序渐进地学习的同时，不断地获得成就
<p>计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向，《深度学习之PyTorch实战计算机视觉》旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python 编程技能，掌握PyTorch 的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。在掌握深度学习理论和编程技能之后，读者还会学到如何基于PyTorch 深度学习框架实战计算机视觉。《深度学习之PyTorch实战计算机视觉》中的大量实例可让读者在循序渐进地学习的同时，不断地获得成就
<p>深度学习为人工智能带来了巨大突破，也成为机器学习领域一颗闪耀的新星。虽然相关学习资料丰富，但大部分内容较为庞杂且难以理解，并对初学者的相关理论知识与实践能力有较高的要求，这使得大部分想进入这一领域的初学者望而却步。《深度学习实战》去繁化简地对深度学习的理论知识进行了梳理，并对算法实现做出了浅显易懂的讲解，适合初学者进行学习。结合《深度学习实战》的内容，读者可以快速对深度学习进行实践。通过启发式的自学模式，可以使读者由浅入深地学习并掌握常用的深度学习模型，为进一步使用开源的深度学习平台与工具提供理论与实践基础。</p> <p>《深度学习实战》可作为高等院校计算机专业的本科生或研究生教材，