PyTorch深度学习实战
正版新书 新华官方库房直发 可开电子发票
￥ 85.14 7.1折 ￥ 119.9 全新
库存20件
作者(美)伊莱·史蒂文斯,(意)卢卡·安蒂加,(德)托马斯·菲曼
出版社人民邮电出版社
ISBN9787115577672
出版时间2022-02
版次1
装帧平装
开本16开
纸张胶版纸
页数448页
字数601千字
定价119.9元
货号SC:9787115577672
上书时间2024-12-02
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
作者
伊莱·史蒂文斯（Eli Stevens）职业生涯的大部分时间都在美国硅谷的初创公司工作，从软件工程师（网络设备制造业）到首席技术官（开发肿瘤放疗软件）。在本书出版时，他正在汽车自动驾驶行业从事机器学习相关工作。
卢卡·安蒂加（Luca Antiga）于21 世纪初担任生物医学工程研究员。2010 年到2020 年间，他是一家人工智能工程公司的联合创始人和首席技术官。他参与了多个开源项目，包括PyTorch 的核心模块。最近，他作为联合创始人创建了一家总部位于美国的初创公司，专注于数据定义软件的基础设施。
托马斯·菲曼（Thomas Viehmann）是一名德国慕尼黑的机器学习和PyTorch 的专业培训师和顾问，也是PyTorch 核心开发人员。拥有数学博士学位的他不畏惧理论，擅长将理论应用于实际的计算挑战。
译者
牟大恩，武汉大学硕士研究生毕业，曾先后在网易杭州研究院、优酷土豆集团、海通证券总
部负责技术研发及系统架构设计工作，目前任职于东方证券资产管理有限公司。他有多年的Java
开发及系统设计经验，专注于互联网金融及大数据应用相关领域，热爱技术，喜欢钻研前沿技术，
是机器学习及深度学习的深度爱好者。近年来著有《Kafka 入门与实践》，译有《Kafka Streams
实战》，已提交技术发明专利申请两项。
主编推荐:
1.PyTorch核心开发者教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。
2.详细讲解整个深度学习管道的关键实践，包括 PyTorch张量API、用 Python 加载数据、监控训练以及对结果进行可视化。
3. PyTorch核心知识+真实、完整的案例项目，快速提升读者动手能力：
a.全面掌握PyTorch 相关的API 的使用方法以及系统掌握深度学习的理论和方法；
b.快速从零开始构建一个真实示例：肿瘤图像分类器；
c.轻松学会使用PyTorch 实现各种神经网络模型来解决具体的深度学习问题；
d.章尾附有“练习题”，巩固提升所学知识；更有配套的代码文件可下载并动手实现。
4. PyTorch 联合创作者Soumith Chintala作序推荐！
5. 书中所有代码都是基于Python 3.6及以上的版本编写的，提供源代码下载。
媒体评论:
“我们终于有了一本关于PyTorch 的权威著作。它非常详细地介绍了基础知识和抽象概念。”
——摘自PyTorch 联合创作者Soumith Chintala 所作的序
“这本书通过逻辑构建的示例代码将深度学习划分为易于理解的多个模块。”
——Mathieu Zhang, NVIDIA
“实时、实用、全面，不要把这本书放置在书架上，而应该放在你的笔记本电脑旁边。”
——Philippe Van Bergen, P2 Consulting
“这本书提供了一个非常实用的深度学习概述……，它是很好的教学资源。”
——Orlando Alejo Méndez Morales, Experian
内容简介:
虽然很多深度学习工具都使用Python，但PyTorch 库是真正具备Python 风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说，上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。 本书是教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。它帮助读者快速从零开始构建一个真实示例：肿瘤图像分类器。在此过程中，它涵盖了整个深度学习管道的关键实践，包括 PyTorch张量 API、用 Python 加载数据、监控训练以及将结果进行可视化展示。 本书主要内容： （1）训练深层神经网络； （2）实现模块和损失函数； （3）使用 PyTorch Hub 预先训练的模型； （4）探索在 Jupyter Notebooks 中编写示例代码。 本书适用于对深度学习感兴趣的 Python 程序员。了解深度学习的基础知识对阅读本书有一定的帮助，但读者无须具有使用 PyTorch 或其他深度学习框架的经验。
目录:
第1部分PyTorch核心
第1章深度学习和PyTorch库简介3
1．1深度学习革命4
1．2PyTorch深度学习5
1．3为什么用PyTorch6
1．4PyTorch如何支持深度学习概述8
1．5硬件和软件要求10
1．6练习题12
1．7本章小结13
第2章预训练网络14
2．1一个识别图像主体的预训练网络15
2．1．1获取一个预先训练好的网络用于图像识别16
2．1．2AlexNet17
2．1．3ResNet19
2．1．4准备运行19
2．1．5运行模型21
2．2一个足以以假乱真的预训练模型23
2．2．1GAN游戏24
2．2．2CycleGAN25
2．2．3一个把马变成斑马的网络26
2．3一个描述场景的预训练网络29
2．4TorchHub31
2．5总结32
2．6练习题32
2．7本章小结33
第3章从张量开始34
3．1实际数据转为浮点数34
3．2张量：多维数组36
3．2．1从Python列表到PyTorch张量36
3．2．2构造第1个张量37
3．2．3张量的本质37
3．3索引张量40
3．4命名张量40
3．5张量的元素类型43
3．5．1使用dtype指定数字类型43
3．5．2适合任何场合的dtype44
3．5．3管理张量的dtype属性44
3．6张量的API45
3．7张
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价