PyTorch深度学习入门与实战
全新正版 极速发货
￥ 40.58 5.8折 ￥ 69.8 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者编者:王宇龙|责编:于先军
出版社中国铁道
ISBN9787113270049
出版时间2020-09
装帧平装
开本其他
定价69.8元
货号30941006
上书时间2024-06-11
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
王宇龙博士，于清华大学计算机系，曾在CVPR/AAAI/TIP等多家国际会议期刊发表，研究方向为深度学习可解释性、模型剪枝、对抗安全等。知乎“机器学习”话题回答者（@Yulong）。现任蚂蚁金服算法专家。
目录
第1章 PyTorch简介
1.1 深度学习简介
1.2 PyTorch的由来
1.2.1 深度学习框架回顾
1.2.2 PyTorch前身：Torch
1.2.3 Torch7的重生
1.3 PyTorch与TensorFlow对比
1.3.1 TensorFlow简介
1.3.2 动静之争
1.3.3 二者借鉴融合
1.3.4 PyTorch的优势
1.4 PyTorch发展现状
1.4.1 主要版本特点回顾
1.4.2 准备工作
第2章 PyTorch基础计算
2.1 PyTorch核心基础概念：张量Tensor
2.1.1 Tensor基本介绍
2.1.2 Tensor数学运算操作
2.1.3 Tensor索引分片合并变换操作
2.1.4 Tensor类成员方法
2.1.5 在GPU上计算
2.2 PyTorch可微编程核心：自动微分Autograd
2.2.1 PyTorch自动微分简介
2.2.2 可微分张量
2.2.3 利用自动微分求梯度
2.2.4 Function：自动微分实现基础
2.2.5 注意事项
2.3 PyTorch应用实战一：实现卷积操作
2.3.1 卷积操作
2.3.2 利用张量操作实现卷积
2.4 PyTorch应用实战二：实现卷积神经网络进行图像分类
第3章 PyTorch构建神经网络
3.1 PyTorch神经网络计算核心：torch.nn
3.1.1 nn.Module概述
3.1.2 结构化构建神经网络
3.1.3 经典神经网络层介绍
3.1.4 函数式操作nn.functional
3.2 PyTorch优化器
3.2.1 torch.optim概述
3.2.2 经典优化器介绍
3.2.3 学习率调整
3.3 PyTorch应用实战一：实现二值化神经网络
3.3.1 二值化网络BinaryNet概述
3.3.2 具体实现
3.4 PyTorch应用实战二：利用LSTM实现文本情感分类
3.4.1 文本情感分类
3.4.2 具体实现
第4章 基于PyTorch构建复杂应用
4.1 PyTorch数据加载
4.1.1 数据预处理：torchvision.transforms
内容摘要
书中以案例形式详细介绍了PyTorch的各种实战应用。具体内容包括PyTorch与TensorFlow的对比和PyTorch的发展现状，张量Tensor和自动微分Autograd及其具体应用，PyTorch构建神经网络，基于PyTorch构建复杂应用，PyTorch高级技巧与实战应用，网络剪枝应用。
— 没有更多了 —
以下为对购买帮助不大的评价