当当读书
PyTorch深度学习

PyTorch深度学习

(印度)毗湿奴·布拉马尼亚(Vishnu Subramanian)
0
35.20 原价¥35 开通租阅权,免费读此书
评论 赠一得一 收藏 分享
此书籍暂不支持在移动端购买和阅读

内容简介

PyTorch是Facebook于2017年初在机器学习和科学计算工具Torch的基础上,针对Python语言发布的一个全新的机器学习工具包,一经推出便受到了业界的广泛关注和讨论,目前已经成为机器学习从业人员的研发工具。 《PyTorch深度学习》是使用PyTorch构建神经网络模型的实用指南,内容分为9章,包括PyTorch与深度学习的基础知识、神经网络的构成、神经网络的知识、机器学习基础知识、深度学习在计算机视觉中的应用、深度学习在序列数据和文本中的应用、生成网络、现代网络架构,以及PyTorch与深度学习的未来走向。 《PyTorch深度学习》适合对深度学习领域感兴趣且希望一探PyTorch的业内人员阅读;具备其他深度学习框架使用经验的读者,也可以通过本书掌握PyTorch的用法。
【推荐语】
深度学习为世界上的智能系统(比如Google Voice、Siri和Alexa)提供了动力。随着硬件(如GPU)和软件框架(如PyTorch、Keras、TensorFlow和CNTK)的步以及大数据的可用性,人们在文本、视觉和分析等领域更容易实施相应问题的解决方案。 本书对当今前沿的深度学习库PyTorch行了讲解。凭借其易学习性、高效性以及与Python发的天然亲近性,PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起,然后介绍了为现代深度学习提供驱动力的多个基础模块,还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先的深度学习架构的概念(比如ResNet、DenseNet、Inception和Seq2Seq)行了阐述,但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法,以及用来生成文本和图像的复杂神经网络(如生成网络),也在本书中有所涵盖。 学完本书后,读者可以使用PyTorch轻松发深度学习应用程序。 本书内容: 在GPU加速的张量计算中使用PyTorch; 为图像自行创建数据集和数据装载器,然后使用torchvision和torchtext测试模型; 使用PyTorch来实现CNN架构,从而构建图像分类器; 使用RNN、LSTM和GRU发能行文本分类和语言建模的系统; 学习的CCN架构(比如ResNet、Inception、DenseNet等),并将其应用在迁移学习中; 学习如何混合多个模型,从而生成一个强大的集成模型; 使用GAN生成新图像,并使用风格迁移生成艺术图像。
【作者】
Vishnu Subramanian在领导、设计和实施大数据分析项目(人工智能、机器学习和深度学习)方面富有经验。擅长机器学习、深度学习、分布式机器学习和可视化等。在零售、金融和旅行等行业颇具经验,还善于理解和协调企业、人工智能和工程团队之间的关系。
展开
大家都在看换一批
大家都在看换一批
领取优惠券

温馨提示:

您已领取的礼券,请到【个人中心】-【资产】中查看。