●前言 1
第1章 PyTorch 入門 9
組裝定制深度學習計算機 9
GPU 10
CPU/ 主板 10
RAM 11
存儲 11
使用雲的深度學習 11
Google Colaboratory 12
雲提供商 13
要使用哪個雲提供商？ 16
使用Jupyter Notebook 17
從頭安裝PyTorch 18
下載CUDA 18
Anaconda 19
終於要安裝PyTorch（和Jupyter Notebook）了! 19
張量 20
張量操作 21
張量廣播 24
小結 24
延伸閱讀 25
第2章 用PyTorch 進行圖像分類 27
我們的分類問題 27
傳統挑戰 29
首先需要數據 29
PyTorch 和數據加載器 30
建立一個訓練數據集 31
建立驗證和測試數據集 33
終於要建立一個神經網絡了 34
激活函數 35
創建一個網絡 36
損失函數 37
優化 37
訓練 40
要求使用GPU 41
綜合 41
預測 43
模型保存 44
小結 45
延伸閱讀 46
第3章 卷積神經網絡 47
我們的第一個卷積模型 47
卷積 49
池化 52
Dropout 53
CNN 架構歷史 54
AlexNet 54
Inception/GoogLeNet55
VGG 56
ResNet 58
還有其他架構 59
PyTorch 中使用預訓練模型 59
分析模型的結構 60
BatchNorm 63
要使用哪個模型 63
一站式模型庫：PyTorch Hub 64
小結 65
延伸閱讀 65
第4章 遷移學習和其他技巧 67
用ResNet 遷移學習 67
查找學習率 69
差分學習率 72
數據增強 74
Torchvision 轉換 75
顏色空間和Lambda 轉換 80
定制轉換類82
從小開始，逐步變大 83
組合 84
小結 85
延伸閱讀 85
第5章 文本分類 87
循環神經網絡 87
長短期記憶網絡 90
門控 91
biLSTM 92
嵌入 93
torchtext 95
獲得數據：來自推特 96
定義字段 98
建立單詞表100
創建模型 102
更新訓練循環 103
推文分類 104
數據增強 105
隨機插入 106
隨機刪除 106
隨機交換 107
回譯 107
增強和torchtext 109
遷移學習？109
小結 109
延伸閱讀 110
第6章 聲音之旅 113
聲音 113
ESC-50 數據集 115
得到數據集 115
在Jupyter 中播放音頻 115
探索ESC-50 116
SoX 和LibROSA 117
torchaudio 118
構建一個ESC-50 數據集 119
用於ESC-50 的一個CNN 模型 121
轉入頻域 123
梅爾聲譜圖124
一個新數據集 126
一個微調的ResNet 129
查找學習率131
音頻數據增強 132
torchaudio 轉換 133
SoX 音效鏈 133
SpecAugment 135
更多試驗 140
小結 140
延伸閱讀 141
第7章 調試PyTorch 模型 143
凌晨3 點，你的數據在做什麼 143
TensorBoard 144
安裝TensorBoard 144
向TensorBoard 發送數據 145
PyTorch 鉤子 149
均值和標準差繪圖 150
類激活映射152
火焰圖 154
安裝py-spy 157
讀火焰圖 158
修正一個很慢的轉換 159
調試GPU 問題 163
檢查你的GPU 163
梯度檢查點165
小結 167
延伸閱讀 168
第8章 生產環境中使用PyTorch 169
提供模型服務 169
構建一個Flask 服務 170
設置模型參數 173
建立Docker 容器 174
本地與雲存儲 177
日志和遙測180
在Kubernetes 上部署 181
使用Google Kubernetes Engine 部署 181
創建一個k8s 集群 182
擴縮服務 183
更新和清理184
TorchScript 185
跟蹤 185
腳本 188
TorchScript 190
使用libTorch 193
得到libTorch 和Hello World 193
導入一個TorchScript 模型 195
小結 196
延伸閱讀 197
第9章 PyTorch 的廣闊世界 199
數據增強：混合和平滑 199
mixup 199
標簽平滑 204
計算機，提高 205
超分辨率介紹 206
GAN 介紹 209
偽造者與評判者 209
訓練GAN 210
模式坍塌的危險 212
ESRGAN 212
圖像檢測的更多探索 213
對像檢測 214
Faster R-CNN 和Mask R-CNN 216
對抗樣本 218
黑盒攻擊 221
防範對抗攻擊 222
不隻是視覺：Transformer 架構 222
注意力 223
Attention Is All You Need 224
BERT 225
FastBERT 225
GPT-2 227
用GPT-2 生成文本 228
ULMFiT 230
使用哪一個模型 233
小結 233
延伸閱讀 234
作者介紹 237
封面介紹 237

·學習如何在生產環境部署深度學習模型。
·研究多家領先公司的PyTorch用例。
·學習如何對圖像應用遷移學習。
·使用Wikipedia上訓練的一個模型應用前沿的NLP技術。
·使用PyTorch的torchaudio庫用一個基於卷積的模型完成音頻分類。
·使用TensorBoard和火焰圖調試PyTorch模型。
·用Docker容器和Google Cloud上運行的Kubernetes集群在生產環境中部署PyTorch應用。

(美)伊恩·波恩特 著 林琪 譯