深入浅出PyTorch 从模型到源码
正版新书 新华官方库房直发 可开电子发票
￥ 49.46 5.5折 ￥ 89.9 全新
库存17件
作者张校捷
出版社电子工业出版社
ISBN9787121386411
出版时间2020-04
版次1
装帧平装
开本16开
纸张胶版纸
页数414页
字数462千字
定价89.9元
货号SC:9787121386411
上书时间2024-09-20
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
内容简介:
本书从机器学习和深度学习的基础概念入手，由浅到深地详细介绍了PyTorch深度学习框架的知识，主要包含深度学习的基础知识，如神经网络的优化算法、神经网络的模块等；同时也包含了深度学习的进阶知识，如使用PyTorch构建复杂的深度学习模型，以及前沿的深度学习模型的介绍等。另外，为了加深读者对PyTorch深度学习框架的理解和掌握，本书还介绍了PyTorch的源代码结构，包括该框架的Python语言前端和C++语言后端的源代码结构。
作为一本面向初中级读者的技术类图书，本书既可以作为深度学习框架PyTorch入门的参考书籍，也可以作为PyTorch深度学习框架的结构和源代码的阅读指南使用。
目录:
第1章 深度学习概念简介
1.1 深度学习的历史
1.1.1 深度学习的发展过程
1.1.2 深度学习在计算机视觉领域的发展
1.1.3 深度学习在自然语言处理和其他领域的发展
1.2 机器学习基本概念
1.2.1 机器学习的主要任务
1.2.2 机器模型的类型
1.2.3 损失函数以及模型的拟合
1.3 深度学习基本概念
1.3.1 向量、矩阵和张量及其运算
1.3.2 张量的存储
1.3.3 神经元的概念
1.4 输入数据的表示方式
1.4.1 图像数据的表示方式
1.4.2 文本数据的表示方式
1.4.3 音频数据的表示方式
1.5 线性变换和激活函数
1.5.1 全连接线性变换
1.5.2 卷积线性变换
1.5.3 激活函数
1.6 链式求导法则和反向传播
1.6.1 基于链式求导的梯度计算
1.6.2 激活函数的导数
1.6.3 数值梯度
1.7 损失函数和优化器
1.7.1 常用的损失函数
1.7.2 基于梯度的优化器
1.7.3 学习率衰减和权重衰减
1.8 本章总结
第2章 PyTorch深度学习框架简介
2.1 深度学习框架简介
2.1.1 深度学习框架中的张量
2.1.2 深度学习框架中的计算图
2.1.3 深度学习框架中的自动求导和反向传播
2.2 PyTorch框架历史和特性更迭
2.3 PyTorch的安装过程
2.4 PyTorch包的结构
2.4.1 PyTorch的主要
...
— 没有更多了 —
以下为对购买帮助不大的评价