PyTorch编程技术与深度学习
￥ 62.88 7.1折 ￥ 89 全新
库存6件
北京房山
认证卖家担保交易快速发货售后保障
作者袁梅宇
出版社清华大学出版社
ISBN9787302602088
出版时间2022-06
装帧平装
开本16开
定价89元
货号1202662968
上书时间2024-11-25
- 在售商品 暂无
- 平均发货时间 6小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
袁梅宇，工学博士，硕士导师，现在昆明理工大学计算机系任教。为本科生和研究生主讲软件工程、Java程序设计、JavaEE技术、数据库原理、机器学习、人工智能等多门核心课程。第一作者专著有《JavaEE企业级编程开发实例详解》《数据挖掘与机器学习——WEKA应用技术与实践》《数据挖掘与机器学习——WEKA应用技术与实践（第二版）》《求精要诀——JavaEE编程开发案例精讲》《机器学习基础——原理算法与实践》。
目录
第1章PyTorch介绍11.1深度学习与PyTorch简介21.1.1深度学习介绍21.1.2PyTorch介绍31.2PyTorch安装61.2.1Anaconda下载61.2.2Windows下安装PyTorch71.2.3LinuxUbuntu下安装PyTorch81.2.4Anaconda管理91.3常用数据集121.3.1MNIST数据集121.3.2Fashion-MNIST数据集141.3.3CIFAR-10数据集171.3.4Dogsvs.Cats数据集191.3.5AG_NEWS数据集201.3.6WikiText2数据集221.3.7QIQC数据集231.3.8Multi30k数据集24习题25第2章PyTorch基础编程272.1张量数据操作282.1.1张量简介282.1.2张量操作282.1.3广播机制452.1.4在GPU上使用Tensor482.2自动求导502.2.1自动求导概念502.2.2自动求导示例502.3数据集API532.3.1自定义数据集类532.3.2DataLoader类552.4torchvision工具示例572.4.1编写简单的图像数据集572.4.2Transforms模块592.4.3Normalize用法612.4.4ImageFolder用法622.5torchtext工具示例642.5.1编写文本预处理程序642.5.2使用torchtext67习题70第3章深度学习快速入门713.1线性回归723.1.1线性回归介绍723.1.2线性回归实现763.2使用nn模块构建线性回归模型823.2.1使用nn.Linear训练线性回归模型823.2.2使用nn.Sequential训练线性回归模型853.2.3使用nn.Module训练线性回归模型873.3逻辑回归883.3.1逻辑回归介绍893.3.2逻辑回归实现913.4Softmax回归963.4.1Softmax回归介绍963.4.2Softmax回归实现983.5神经网络1033.5.1神经元1033.5.2激活函数1043.5.3神经网络原理1083.5.4PyTorch神经网络编程111习题116第4章神经网络训练与优化1194.1神经网络迭代概念1204.1.1训练误差与泛化误差1204.1.2训练集、验证集和测试集划分1214.1.3偏差与方差1234.2正则化方法1244.2.1提前终止1254.2.2正则化1264.2.3Dropout1274.3优化算法1294.3.1小批量梯度下降1304.3.2Momentum算法1314.3.3RMSProp算法1344.3.4Adam算法1374.4PyTorch的初始化函数1394.4.1普通初始化1394.4.2Xavier初始化1404.4.3He初始化141习题142第5章卷积神经网络原理1455.1CNN介绍1465.1.1CNN与图像处理1465.1.2卷积的基本原理1465.1.3池化的基本原理1555.2简单的CNN网络1585.2.1定义网络模型1585.2.2模型训练1605.2.3模型评估1605.2.4主函数1615.3PyTorch实现LeNet-5网络1635.3.1LeNet-5介绍1635.3.2LeNet-5实现MNIST手写数字识别1645.3.3LeNet-5实现CIFAR-10图像识别168习题170第6章卷积神经网络示例1716.1经典CNN网络1726.1.1VGG1726.1.2ResNet1736.1.3Inception1756.1.4Xception1786.1.5ResNet代码研读1796.2使用预训练的CNN1856.2.1特征抽取1866.2.2微调1946.3知识蒸馏1976.3.1知识蒸馏原理1976.3.2知识蒸馏示例1996.4CNN可视化2046.4.1中间激活可视化2056.4.2过滤器可视化212习题214第7章词嵌入模型2157.1词嵌入模型介绍2167.1.1独热码2167.1.2词嵌入2227.2词嵌入学习2257.2.1词嵌入学习的动机2267.2.2Skip-Gram算法2277.2.3CBOW算法2297.2.4负采样2307.2.5GloVe算法2347.3Word2Vec算法实现2357.3.1Skip-Gram实现2357.3.2CBOW实现2397.3.3负采样Skip-Gram实现243习题248第8章循环神经网络原理2518.1RNN介绍2528.1.1有记忆的神经网络2528.1.2RNN用途2558.2基本RNN模型2598.2.1基本RNN原理2598.2.2基本RNN的训练问题2638.2.3基本RNN编程2658.2.4基本RNN示例2698.3LSTM2758.3.1LSTM原理2758.3.2LSTM编程2798.4GRU2808.4.1GRU原理2808.4.2GRU编程2828.5注意力机制2838.5.1Seq2Seq模型的缺陷2838.5.2机器翻译中的注意力机制2848.6Transformer模型2868.6.1编码器2878.6.2多头注意力层2888.6.3前向层2898.6.4位置编码2898.6.5解码器2908.6.6解码器层2918.6.7Transformer的PyTorch实现291习题292第9章NLP示例2959.1情感分析2969.1.1AGNEWS示例2969.1.2Quora竞赛示例3019.2语言模型3109.3文本序列数据生成3169.3.1向莎士比亚学写诗3169.3.2神经机器翻译324习题333参考文献335
内容摘要
《PyTorch编程技术与深度学习》讲述深度学习的基本原理，使用PyTorch展示涉及的深度学习算法。通过理论讲解和编程操作，使读者了解并掌握深度学习的原理和PyTorch编程技能，拉近理论与实践的距离。全书共分9章，主要内容包括PyTorch介绍、PyTorch基础编程、深度学习快速入门、神经网络训练与优化、卷积神经网络原理、卷积神经网络示例、词嵌入模型、循环神经网络原理、NLP示例。书中不但涵盖成熟的卷积神经网络和循环神经网络的原理和示例，还包含一些新的如Transformer和知识蒸馏的内容。全书源代码全部在Python3.7.4PyTorch1.9.0版本上调试成功。《PyTorch编程技术与深度学习》适合深度学习和PyTorch编程人员作为入门和提高的技术参考书使用，也适合用作计算机专业高年级本科生和研究生的教材或教学参考书。
— 没有更多了 —
以下为对购买帮助不大的评价