PyTorch與深度學習實戰

內容簡介

本書以PyTorch深度學習的常用技術與真實案例相結合的方式，深入淺出地介紹使用PyTorch實現深度學習套用的重要內容。本書共7章，內容包括深度學習概述、PyTorch深度學習通用流程、PyTorch深度學習基礎、手寫漢字識別、文本生成、基於CycleGAN的圖像風格轉換、基於TipDM大數據挖掘建模平台實現文本生成等。本書大部分章包含實訓和課後習題，希望通過練習和操作實踐，幫助讀者鞏固所學的內容。

本書可以作為高等學校數據科學與大數據技術或人工智慧相關專業的教材，也可作為深度學習愛好者的自學用書。

圖書目錄

第 1章　深度學習概述　1

1．1　深度學習簡介　1

1．1．1　深度學習的定義　1

1．1．2　深度學習的常見套用　2

1．2　深度學習與套用領域　9

1．2．1　深度學習與計算機視覺　9

1．2．2　深度學習與自然語言處理　10

1．2．3　深度學習與語音識別　11

1．2．4　深度學習與機器學習　12

1．2．5　深度學習與人工智慧　13

1．3　PyTorch簡介　14

1．3．1　各深度學習框架對比　14

1．3．2　PyTorch生態　16

1．3．3　PyTorch特點　17

1．3．4　PyTorch安裝　17

1．4　PyTorch中的預訓練模型　23

1．4．1　預訓練模型的概念　23

1．4．2　預訓練模型的使用場景　24

1．4．3　PyTorch預訓練模型的調用方法　25

小結　26

課後習題　26

第 2章　PyTorch深度學習通用流程　28

2．1　數據載入與預處理　29

2．1．1　數據載入　29

2．1．2　數據預處理　30

2．1．3　載入及預處理貓狗分類數據　37

2．2　構建網路　42

2．2．1　常用的網路構建方法　42

2．2．2　激活函式　46

2．2．3　構建基於卷積神經網路的貓狗分類網路　50

2．3　編譯網路　53

2．3．1　損失函式　53

2．3．2　最佳化器　56

2．3．3　編譯基於卷積神經網路的貓狗分類網路　59

2．4　訓練網路　60

2．4．1　疊代次數　60

2．4．2　批訓練　61

2．4．3　訓練基於卷積神經網路的貓狗分類網路　61

2．5　性能評估　62

2．5．1　評估指標　62

2．5．2　評估基於卷積神經網路的貓狗分類模型的性能　63

小結　66

實訓　CIFAR-10圖像分類　66

課後習題　67

第3章　PyTorch深度學習基礎　68

PyTorch與深度學習實戰

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條