店鋪:遼寧音像出版社圖書專營店 出版社:中國鐵道出版社 ISBN:9787113270049 商品編碼:10029244943355 包裝:平裝 出版時間:2020-09-01 作者:王宇龍
"基本信息 書名:PyTorch深度學習入門與實戰 代碼:6 作者:[中國]王宇龍 出版社:中國鐵道出版社 出版日期:2020-09-01 ISBN:9787113270049 字數: 頁碼: 版次: 裝幀:平裝 開本:16開 商品重量: 編輯推薦
PyTorch深度學習入門與實戰 中國科學院院士,清華大學人工智能研究院院長張鈸傾力推薦 詳解PyTorch框架分布式計算、CUDA擴展等高級使用技巧 涵蓋圖像分類、文本處理、物體定位、自動架構搜索等諸多領域實戰案例 豐富的新科研成果引用展示,緊跟人工智能發展前沿 提供完整源代碼文件 內容提要
PyTorch深度學習入門與實戰書中以案例形式詳細介紹了PyTorch的各種實戰應用。具體內容包括PyTorch與TensorFlow的對比和PyTorch的發展現狀,張量Tensor和自動微分Autograd及其具體應用,PyTorch構建神經網絡,基於PyTorch構建復雜應用,PyTorch高級技巧與實戰應用,網絡剪枝應用。
目錄
目錄
章 PyTorch簡介 1.1 深度學習簡介 1 1.2 PyTorch的由來 2 1.2.1 深度學習框架回顧 2 1.2.2 PyTorch前身:Torch7 4 1.2.3 Torch7的重生 5 1.3 PyTorch與TensorFlow對比 5 1.3.1 TensorFlow簡介 6 1.3.2 動靜之爭 6 1.3.3 二者借鋻融合 7 1.3.4 PyTorch的優勢 7 1.4 PyTorch發展現狀 8 1.4.1 主要版本特點回顧 8 1.4.2 準備工作 8 第2章 PyTorch基礎計算 2.1 PyTorch核心基礎概念:張量Tensor 11 2.1.1 Tensor基本介紹 11 2.1.2 Tensor數學運算操作 15 2.1.3 Tensor索引分片合並變換操作 20 2.1.4 Tensor類成員方法 22 2.1.5 在GPU上計算 24 2.2 PyTorch可微編程核心:自動微分Autograd 25 2.2.1 PyTorch自動微分簡介 25 2.2.2 可微分張量 25 2.2.3 利用自動微分求梯度 26 2.2.4 Function:自動微分實現基礎 29 2.2.5 注意事項 31 2.3 PyTorch應用實戰一:實現卷積操作 34 2.3.1 卷積操作 34 2.3.2 利用張量操作實現卷積 36 2.4 PyTorch應用實戰二:實現卷積神經網絡進行圖像分類 38 第3章 PyTorch構建神經網絡 3.1 PyTorch神經網絡計算核心:torch.nn 43 3.1.1 nn.Module概述 43 3.1.2 結構化構建神經網絡 47 3.1.3 經典神經網絡層介紹 49 3.1.4 函數式操作nn.functional 53 3.2 PyTorch優化器 55 3.2.1 torch.optim概述 55 3.2.2 經典優化器介紹 56 3.2.3 學習率調整 57 3.3 PyTorch應用實戰一:實現二值化神經網絡 59 3.3.1 二值化網絡BinaryNet概述 59 3.3.2 具體實現 60 3.4 PyTorch應用實戰二:利用LSTM實現文本情感分類 63 3.4.1 文本情感分類 63 3.4.2 具體實現 65 第4章 基於PyTorch構建復雜應用 4.1 PyTorch數據加載 70 4.1.1 數據預處理:torchvision.transforms 70 4.1.2 數據加載:torch.utils.data 73 4.2 PyTorch模型搭建 77 4.2.1 經典模型復用與分享:torchvision.models 78 4.2.2 模型加載與保存 79 4.2.3 導出為ONNX格式 85 4.3 訓練過程中日志記錄與可視化 89 4.4 PyTorch應用實戰一:在CIFAR10數據集進行神經網絡結構搜索 93 4.4.1 可微分網絡架構搜索DARTS介紹 94 4.4.2 簡化問題建模:以ResNet為例 95 4.4.3 具體實現 96 4.5 PyTorch應用實戰二:在ImageNet數據集進行弱監督物體定位 108 4.5.1 GradCAM解釋顯著圖方法介紹 108 4.5.2 弱監督物體定位任務 109 4.5.3 具體實現 110 第5章 PyTorch高級技巧與實戰應用 5.1 PyTorch並行計算 118 5.1.1 大規模數據集加載 118 5.1.2 模型的高效並行計算 122 作者介紹
王宇龍博士,畢業於清華大學計算機繫,曾在CVPR/AAAI/TIP等多家國際會議期刊發表論文,研究方向為深度學習可解釋性、模型剪枝、對抗安全等。知乎“機器學習”話題回答者(@Yulong)。現任螞蟻金服算法專家。 序言
" |