PyTorch深度学习实战PDF电子书下载

查看更多关于的内容

第1章 深度学习回顾和PyTorch简介 1

1.1 PyTorch的历史 2

1.2 PyTorch是什么 3

1.2.1 安装PyTorch 4

1.2.2 PyTorch流行的原因 5

1.3 使用计算图 7

1.3.1 使用静态图 8

1.3.2 使用动态图 11

1.4 探索深度学习 13

1.5 开始编写代码 22

1.5.1 学习基本操作 22

1.5.2 PyTorch的内部逻辑 28

1.6 总结 31

参考资料 32

第2章 一个简单的神经网络 33

2.1 问题概述 33

2.2 数据集 34

2.3 新手模型 38

2.4 PyTorch方式 49

2.4.1 高阶API 50

2.4.2 functional模块 55

2.4.3 损失函数 57

2.4.4 优化器 57

2.5 总结 59

参考资料 59

第3章 深度学习工作流 60

3.1 构思和规划 61

3.2 设计和实验 62

3.2.1 数据集和DataLoader类 62

3.2.2 实用程序包 65

3.3 模型实现 75

3.4 训练和验证 79

3.5 总结 86

参考资料 86

第4章 计算机视觉 87

4.1 CNN简介 87

4.2 将PyTorch应用于计算机视觉 90

4.2.1 简单CNN 90

4.2.2 语义分割 99

4.3 总结 112

参考资料 112

第5章 序列数据处理 114

5.1 循环神经网络简介 114

5.2 问题概述 116

5.3 实现方法 116

5.3.1 简单RNN 117

5.3.2 高级RNN 130

5.3.3 递归神经网络 137

5.4 总结 141

参考资料 142

第6章 生成网络 143

6.1 方法定义 144

6.2 自回归模型 145

6.2.1 PixelCNN 147

6.2.2 WaveNet 153

6.3 GAN 161

6.3.1 简单GAN 161

6.3.2 CycleGAN 168

6.4 总结 173

参考资料 173

第7章 强化学习 175

7.1 问题定义 177

7.2 回合制任务与连续任务 178

7.3 累积折扣奖励 179

7.4 马尔可夫决策过程 180

7.5 解决方法 182

7.5.1 策略和价值函数 182

7.5.2 贝尔曼方程 183

7.5.3 深度Q学习 184

7.5.4 经验回放 186

7.5.5 Gym 186

7.6 总结 194

参考资料 194

第8章 将PyTorch应用到生产 195

8.1 使用Flask提供服务 196

8.2 ONNX 202

8.3 使用TorchScript提高效率 215

8.4 探索RedisAI 218

8.5 总结 222

参考资料 223

查看更多关于的内容