作 者:王國平 著
定 價:79
出 版 社:清華大學出版社
出版日期:2022年03月01日
頁 數:258
裝 幀:平裝
ISBN:9787302598985
"本書是一本綜合講述深度學習PyTorch框架的入門書,從數學知識和基本概念入手講解,語言通俗,圖文並茂,非常易於理解。全書共20個案例,基本上每一種模型都先講解基礎知識,再配合實操案例,理論兼備實操,有助於讀者快速理解。所有程序示例都進行了詳細說明,同時在講解程序示例時輔以練習題。全書程序示例都免費提供完整的源代碼,讀者可以參照程序直接上機實踐與練習。本書的內容也較為豐富,如涉及深度神經網絡、數值建模、圖像建模、文本建模、音頻建模、模型可視化等內容,有助於讀者在學習PyTorch框等
●第1章 深度學習環境搭建11.1 深度學習概述11.1.1 深度學習發展歷史11.1.2 深度學習框架比較21.1.3 深度學習應用領域51.2 搭建開發環境61.2.1 安裝Python 3.1061.2.2 安裝Jupyter Lab101.2.3 安裝PyTorch 1.10121.3 PyTorch應用場景161.4 動手練習:每日優選溫度預測171.5 練習題20第2章 PyTorch與數學基礎212.1 PyTorch中的函數212.1.1 函數基礎知識212.1.2 PyTorch中的主要函數242.2 微分基礎262.2.1 微分及其公式262.2.2 PyTorch自動微分282.3 數理統計基礎332.3.1 數理統計及其指標332.3.2 PyTorch統計函數382.4 矩陣基礎462.4.1 矩陣及其運算472.4.2 PyTorch矩陣運算492.5 動手練習:擬合餘弦函數曲線542.6 練習題57第3章 PyTorch的基本概念583.1 張量及其創建583.1.1 張量及其數據類型583.1.2 數組直接創建張量593.1.3 概率分布創建張量613.2 激活函數623.2.1 激活函數及必要性623.2.2 Sigmoid激活函數633.2.3 Tanh激活函數643.2.4 ReLU激活函數653.2.5 Leakly ReLU激活函數673.2.6 其他類型的激活函數683.3 損失函數693.3.1 損失函數及選取693.3.2 L1範數損失函數703.3.3 均方誤差損失函數713.3.4 交叉熵損失函數723.3.5 餘弦相似度損失733.3.6 其他損失函數743.4 優化器743.4.1 梯度及梯度下降743.4.2 隨機梯度下降算法763.4.3 標準動量優化算法763.4.4 AdaGrad算法773.4.5 RMSProp算法773.4.6 Adam算法783.5 動手練習:PyTorch優化器比較783.6 練習題82第4章 PyTorch深度神經網絡834.1 神經網絡概述834.1.1 模型834.1.2 多層感知器854.1.3 前饋神經網絡874.2 卷積神經網絡874.2.1 卷積神經網絡的歷史884.2.2 卷積神經網絡的結構884.2.3 卷積神經網絡的類型904.3 幾種常見的循環神經網絡934.3.1 循環神經網絡934.3.2 長短期記憶網絡964.3.3 門控974.4 動手練習:股票成交量趨勢預測984.5 練習題104第5章 PyTorch數據建模1055.1 回歸分析及案例1055.1.1 回歸分析簡介1055.1.2 回歸分析建模1065.1.3 動手練習:住房價格回歸預測1095.2 聚類分析及案例1125.2.1 聚類分析簡介1135.2.2 聚類分析建模1135.2.3 動手練習:植物花卉特征聚類1155.3 主成分分析及案例1185.3.1 主成分分析簡介1185.3.2 主成分分析建模1195.3.3 動手練習:地區競爭力指標降維1205.4 模型評估與調優1245.4.1 模型評估方法1245.4.2 模型調優方法1285.4.3 動手練習:PyTorch實現交叉驗證1295.5 練習題134第6章 PyTorch圖像建模1356.1 圖像建模概述1356.1.1 圖像分類技術1356.1.2 圖像識別技術1366.1.3 圖像分割技術1376.2 動手練習:創建圖像自動分類器1386.2.1 加載數據集1386.2.2 搭建網絡模型1396.2.3 訓練網絡模型1406.2.4 應用網絡模型1416.3 動手練習:搭建圖像自動識別模型1426.3.1 加載數據集1426.3.2 搭建與訓練網絡1436.3.3 預測圖像數據1446.3.4 圖像識別模型的判斷1456.4 動手練習:搭建圖像自動分割模型1486.4.1 加載數據集1486.4.2 搭建網絡模型1496.4.3 訓練網絡模型1526.4.4 應用網絡模型1536.5 練習題155第7章 PyTorch文本建模1567.1 自然語言處理的幾個模型1567.1.1 Word2Vec模型1567.1.2 Seq2Seq模型1577.1.3 Attention模型1587.2 動手練習:Word2Vec提取相似文本1597.2.1 加載數據集1597.2.2 搭建網絡模型1627.2.3 訓練網絡模型1637.2.4 應用網絡模型1647.3 動手練習:Seq2Seq實現機器翻譯1657.3.1 加載數據集1657.3.2 搭建網絡模型1687.3.3 訓練網絡模型1727.3.4 應用網絡模型1747.4 動手練習:Attention模型實現文本自動分類1757.4.1 加載數據集1757.4.2 搭建網絡模型1777.4.3 訓練網絡模型1787.4.4 應用網絡模型1817.5 練習題181第8章 PyTorch音頻建模1828.1 音頻處理及應用1828.1.1 音頻處理技術1828.1.2 音頻摘要及應用1838.1.3 音頻識別及應用1848.1.4 音頻監控及應用1858.1.5 場景感知及其應用1868.2 音頻特征提取步驟1878.2.1 特征提取流程1878.2.2 音頻預處理1878.2.3 傅裡葉變換1888.2.4 能量譜處理1898.2.5 離散餘弦轉換1908.3 PyTorch音頻建模1908.3.1 加載音頻數據源1908.3.2 波形變換的類型1918.3.3 繪制波形頻譜圖1928.3.4 波形 -Law編碼1948.3.5 變換前後波形比較1968.4 動手練習:音頻相似度分析1968.5 練習題198第9章 PyTorch模型可視化1999.1 Visdom1999.1.1 Visdom簡介1999.1.2 Visdom可視化操作2019.1.3 動手練習:識別手寫數字2149.2 TensorBoard2199.2.1 TensorBoard簡介2199.2.2 TensorBoard基礎操作2219.2.3 動手練習:可視化模型參數2299.3 Pytorchviz2319.3.1 Pytorchviz簡介2319.3.2 動手練習:Pytorchviz建模可視化2319.4 Netron2339.4.1 Netron簡介2339.4.2 動手練習:Netron建模可視化2349.5 練習題237第10章 PyTorch聯邦學習23810.1 聯邦學習算法簡介23810.1.1 聯邦學習提出背景23810.1.2 聯邦學習基本概念23910.2 聯邦學習主要類型23910.2.1 橫向聯邦學習及其過程24010.2.2 縱向聯邦學習及其過程24110.2.3 聯邦遷移學習及其過程24210.3 聯邦學習研究現狀24210.3.1 算法重要研究進展24210.3.2 聯邦學習算法優化24310.3.3 主要應用前景介紹24410.4 動手練習:手寫數字識別24510.4.1 讀取手寫數據集24510.4.2 訓練與測試模型24610.4.3 模型結果輸出25010.5 練習題252附錄A Python常用第三方工具包簡介253A.1 數據分析類包253A.2 數據可視化類包254A.3 機器學習類包255參考文獻258
本書以新版深度學習框架PyTorch為基礎,循序漸進地介紹其在深度學習中的應用。全書共10章,從深度學習數學知識入手,逐步介紹PyTorch在數值建模、圖像建模、文本建模、音頻建模中的基本概念及應用示例,還將介紹模型的可視化和聯邦學習等內容,以擴展讀者的視野。本書在講解每一個知識點的同時,都配合有動手練習實例,便於讀者深入理解所學知識,並達成學以致用的目標。本書原理與實踐並重,易於理解且可操作性強,特別適合PyTorch新手、大學生、研究人員和開發人員使用,也可作為高等院校相關專業的教學用書。
王國平 著
王國平,畢業於上海海洋大學,碩士,從業10餘年,主要從事數據可視化、數據挖掘和大數據分析與研究等工作。精通Tableau、SPSS、PyTorch、Power BI等軟件,已出版《IBM SPSS Modeler數據與文本挖掘實戰》《Microsoft Power BI數據可視化與數據分析》《Tableau數據可視化從入門到精通》《零基礎入門Python數據分析與機器學習》等圖書。