搜索
java python go vue ev4 人工智能 架构师 前端 网课 素材
优百课栈 › 知识城堡 › 电子书库 › 《深度学习入门之PyTorch》
返回列表 发新帖

《深度学习入门之PyTorch》

[复制链接]
online_admin aixure 发表于 2023-1-21 13:18:04 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
131756aq6oxxcvrmupr3xj
售 价: ￥5￥89加入会员，免费下载
库 存:9999 件
销 量:12 件
源 址:
卖家服务:  
客 服:QQ（早10点-晚6点）
立即购买
立即购买
资源详情
内容提要[url=]编辑[/url][url=] 播报[/url]
《深度学习入门之PyTorch》深度学习如今已经成为科技领域最炙手可热的技术，在《深度学习入门之PyTorch》中，我们将帮助你入门深度学习。《深度学习入门之PyTorch》将从机器学习和深度学习的基础理论入手，从零开始学习 PyTorch，了解 PyTorch 基础，以及如何用 PyTorch 框架搭建模型。通过阅读《深度学习入门之PyTorch》，你将学到机器学习中的线性回归和 Logistic 回归、深度学习的优化方法、多层全连接神经网络、卷积神经网络、循环神经网络，以及生成对抗网络，最后通过实战了解深度学习前沿的研究成果，以及 PyTorch 在实际项目中的应用。《深度学习入门之PyTorch》将理论和代码相结合，帮助读者更好地入门深度学习，适合任何对深度学习感兴趣的人阅读。 [1]

图书目录[url=]编辑[/url][url=] 播报[/url]
第 1 章 深度学习介绍 1
1.1 人工智能 1
1.2 数据挖掘、机器学习与深度学习2
1.2.1 数据挖掘 3
1.2.2 机器学习 3
1.2.3 深度学习 4
1.3 学习资源与建议 8
第 2 章 深度学习框架 11
2.1 深度学习框架介绍 . 11
2.2 PyTorch 介绍. 13
2.2.1 什么是 PyTorch. 13
2.2.2 为何要使用 PyTorch 14
2.3 配置 PyTorch 深度学习环境 15
2.3.1 操作系统的选择. 15
2.3.2 Python 开发环境的安装 16
2.3.3 PyTorch 的安装. 18
第 3 章 多层全连接神经网络 24
3.1 热身：PyTorch 基础 24
3.1.1 Tensor（张量）. 24
3.1.2 Variable（变量）26
3.1.3 Dataset（数据集）28
3.1.4 nn.Module（模组） 29
3.1.5 torch.optim（优化） 30
3.1.6 模型的保存和加载 31
3.2 线性模型 32
3.2.1 问题介绍 32
3.2.2 一维线性回归33
3.2.3 多维线性回归34
3.2.4 一维线性回归的代码实现. 35
3.2.5 多项式回归 38
3.3 分类问题 42
3.3.1 问题介绍 42
3.3.2 Logistic 起源 42
3.3.3 Logistic 分布 42
3.3.4 二分类的 Logistic 回归 43
3.3.5 模型的参数估计. 44
3.3.6 Logistic 回归的代码实现45
3.4 简单的多层全连接前向网络 . 49
3.4.1 模拟神经元 49
3.4.2 单层神经网络的分类器 50
3.4.3 激活函数 51
3.4.4 神经网络的结构. 54
3.4.5 模型的表示能力与容量 55
3.5 深度学习的基石：反向传播算法57
3.5.1 链式法则 57
3.5.2 反向传播算法58
3.5.3 Sigmoid 函数举例58
3.6 各种优化算法的变式59
3.6.1 梯度下降法 59
3.6.2 梯度下降法的变式 62
3.7 处理数据和训练模型的技巧 . 64
3.7.1 数据预处理 64
3.7.2 权重初始化 66
3.7.3 防止过拟合 67
3.8 多层全连接神经网络实现 MNIST 手写数字分类 69
3.8.1 简单的三层全连接神经网络70
3.8.2 添加激活函数70
3.8.3 添加批标准化71
3.8.4 训练网络 71
第 4 章 卷积神经网络 76
4.1 主要任务及起源 76
4.2 卷积神经网络的原理和结构 . 77
4.2.1 卷积层80
4.2.2 池化层84
4.2.3 全连接层 85
4.2.4 卷积神经网络的基本形式. 85
4.3 PyTorch 卷积模块 . 87
4.3.1 卷积层87
4.3.2 池化层88
4.3.3 提取层结构 90
4.3.4 如何提取参数及自定义初始化 91
4.4 卷积神经网络案例分析. 92
4.4.1 LeNet. 93
4.4.2 AlexNet94
4.4.3 VGGNet 95
4.4.4 GoogLeNet . 98
4.4.5 ResNet100
4.5 再实现 MNIST 手写数字分类 . 103
4.6 图像增强的方法 105
4.7 实现 cifar10 分类 107
第 5 章 循环神经网络 111
5.1 循环神经网络111
5.1.1 问题介绍 112
5.1.2 循环神经网络的基本结构. 112
5.1.3 存在的问题 115
5.2 循环神经网络的变式：LSTM 与 GRU 116
5.2.1 LSTM. 116
5.2.2 GRU. 119
5.2.3 收敛性问题 120
5.3 循环神经网络的 PyTorch 实现 122
5.3.1 PyTorch 的循环网络模块122
5.3.2 实例介绍 127
5.4 自然语言处理的应用131
5.4.1 词嵌入131
5.4.2 词嵌入的 PyTorch 实现 133
5.4.3 N Gram 模型 133
5.4.4 单词预测的 PyTorch 实现134
5.4.5 词性判断 136
5.4.6 词性判断的 PyTorch 实现137
5.5 循环神经网络的更多应用140
5.5.1 Many to one 140
5.5.2 Many to Many（shorter）141
5.5.3 Seq2seq141
5.5.4 CNN+RNN . 142
第 6 章 生成对抗网络 144
6.1 生成模型 144
6.1.1 自动编码器 145
6.1.2 变分自动编码器. 150
6.2 生成对抗网络153
6.2.1 何为生成对抗网络 153
6.2.2 生成对抗网络的数学原理. 160
6.3 Improving GAN164
6.3.1 Wasserstein GAN. 164
6.3.2 Improving WGAN167
6.4 应用介绍 168
6.4.1 Conditional GAN. 168
6.4.2 Cycle GAN . 170
第 7 章 深度学习实战 173
7.1 实例一——猫狗大战：运用预训练卷积神经网络进行特征提取与预测 . 173
7.1.1 背景介绍 174
7.1.2 原理分析 174
7.1.3 代码实现 177
7.1.4 总结. 183
7.2 实例二——Deep Dream：探索卷积神经网络眼中的世界183
7.2.1 原理介绍 184
7.2.2 预备知识：backward . 185
7.2.3 代码实现 190
7.2.4 总结. 195
7.3 实例三——Neural-Style：使用 PyTorch 进行风格迁移196
7.3.1 背景介绍 196
7.3.2 原理分析 197
7.3.3 代码实现 199
7.3.4 总结. 205
7.4 实例四——Seq2seq：通过 RNN 实现简单的 Neural Machine Translation . 205
7.4.1 背景介绍 206
7.4.2 原理分析 206
7.4.3 代码实现 209
7.4.4 总结. 221 [1]

深度 深度学习 学习 入门 内容
温馨提示：
1、如果下载地址失效，请尽快反馈给我们，我们尽快修复。点此反馈>>
2、全站资源高清无密，课程百分百高清，完整，原画，包含所有的视频+素材+课件+源码，官方同步体验！每天更新，成为vip后可免费下载本站IT课程。点此办理会员>>
3、有任何问题，请咨询QQ：87887023
4、支持7*24小时自助购买，购买后自动发货，链接永久有效，自动更新

相关帖子
回复

使用道具 举报

返回列表 发表新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 注册

本版积分规则

plugin
aixure管理员

关注0

粉丝0

帖子5154

发布主题
一周下载排行最近7x24小时热帖
最新发布
ads3
专注资源整合与知识分享
客服QQ

87887023

周一至周日9:00-23:00

反馈建议

点此进行反馈 kfs 在线QQ咨询
ftqrcode

扫描二维码关注我们

label_sm_90020

Powered by 优百课栈 X3.4© 2019-2025