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