深度学习框架PyTorch快速开发与实战

图书标准信息

• 作者 邢梦来、王硕、孙洋洋 著
• 出版社 电子工业出版社
• 出版时间 2018-08
• 版次 1
• ISBN 9787121345647
• 定价 69.00元
• 装帧 平装
• 开本 16
• 纸张 胶版纸
• 页数 232页

【内容简介】

深度学习已经成为人工智能炙手可热的技术，PyTorch是一个较新的、容易上手的深度学习开源框架，目前已得到广泛应用。《深度学习框架PyTorch快速开发与实战》从PyTorch框架结构出发，通过案例主要介绍了线性回归、逻辑回归、前馈神经网络、卷积神经网络、循环神经网络、自编码模型、以及生成对抗网络。《深度学习框架PyTorch快速开发与实战》作为深度学习的入门教材，省略了大量的数学模型推导，适合深度学习初学者，人工智能领域的从业者，以及深度学习感兴趣的人阅读。

 

【作者简介】

邢梦来，擅长量化分析理论，深入研究多空对比分析，对多空趋势平衡有独特的见解，形成一套多空对比体系。同时对对交易心理状况、人工智能与区块链技术也有较深的研究。

 

王硕，资深软件工程师，具有9年的Java企业应用开发经验和4年的教育培训经验，曾主持多个B/S项目开发，项目经验丰富，擅长Java EE（Struts2、Spring3、Hibernate3）项目开发、Python（程序GUI、数据分析、网络爬虫）项目开发，是极宽TOP开源团队核心成员，也是《PyQt5快速开发与实战》一书的作者之一。

 

孙洋洋，《PyQt5快速开发与实战》一书的作者之一，擅长网络爬虫、机器学习、量化投资与程序GUI开发设计。有多年量化投资实盘操作经历，现就职于某期货公司做量化研究员。

【目录】

第一部分  理论部分

 

第1章  深度学习简介  2

 

1.1  深度学习  2

 

1.2  神经网络的发展  6

 

1.3  深度学习的应用  7

 

1.4  常用的数学知识和机器学习算法  8

 

1.5  PyTorch简介  11

 

1.5.1  PyTorch介绍  11

 

1.5.2  使用PyTorch的公司  15

 

1.5.3  PyTorch API  16

 

1.5.4  为什么选择Python语言  16

 

1.5.5  Python语言的特点  16

 

1.6  常用的机器学习、深度学习开源框架  17

 

1.7  其他常用的模块库  19

 

1.8  深度学习常用名词  20

 

第2章  PyTorch环境安装  33

 

2.1  基于Ubuntu环境的安装  33

 

2.1.1  安装Anaconda  35

 

2.1.2  设置国内镜像  36

 

2.2  Conda命令安装PyTorch  37

 

2.3  pip命令安装PyTorch  37

 

2.4  配置CUDA  38

 

第3章  PyTorch基础知识  40

 

3.1  张量  40

 

3.2  数学操作  43

 

3.3  数理统计  44

 

3.4  比较操作  45

 

第4章  简单案例入门  47

 

4.1  线性回归  47

 

4.2  逻辑回归  52

 

第5章  前馈神经网络  59

 

5.1  实现前馈神经网络  61

 

5.2  数据集  68

 

5.3  卷积层  72

 

5.4  Functional函数  75

 

5.5  优化算法  82

 

5.6  自动求导机制  85

 

5.7  保存和加载模型  87

 

5.8  GPU加速运算  87

 

第6章  PyTorch可视化工具  89

 

6.1  Visdom介绍  89

 

6.2  Visdom基本概念  90

 

6.2.1  Panes（窗格）  90

 

6.2.2  Environments（环境）  90

 

6.2.3  State（状态）  91

 

6.3  安装Visdom  91

 

6.4  可视化接口  91

 

6.4.1  Python函数属性提取技巧  92

 

6.4.2  vis.text  93

 

6.4.3  vis.image  93

 

6.4.4  vis.scatter  94

 

6.4.5  vis.line  95

 

6.4.6  vis.stem  97

 

6.4.7  vis.heatmap  97

 

6.4.8  vis.bar  99

 

6.4.9  vis.histogram  101

 

6.4.10  vis.boxplot  102

 

6.4.11  vis.surf  103

 

6.4.12  vis.contour  104

 

6.4.13  vis.mesh  106

 

6.4.14  vis.svg  107

 

第二部分  实战部分

 

第7章  卷积神经网络  110

 

7.1  卷积层  112

 

7.2  池化层  114

 

7.3  经典的卷积神经网络  115

 

7.3.1  LeNet-5神经网络结构  115

 

7.3.2  ImageNet-2010网络结构  117

 

7.3.3  VGGNet网络结构  122

 

7.3.4  GoodLeNet网络结构  124

 

7.3.5  ResNet网络结构  126

 

7.4  卷积神经网络案例  129

 

7.5  深度残差模型案例  138

 

第8章  循环神经网络简介  145

 

8.1  循环神经网络模型结构  146

 

8.2  不同类型的RNN  147

 

8.3  LSTM结构具体解析  151

 

8.4  LSTM的变体  153

 

8.5  循环神经网络实现  156

 

8.5.1  循环神经网络案例  156

 

8.5.2  双向RNN案例  160

 

第9章  自编码模型  164

 

第10章  对抗生成网络  172

 

10.1  DCGAN原理  175

 

10.2  GAN对抗生成网络实例  180

 

第11章  Seq2seq自然语言处理  186

 

11.1  Seq2seq自然语言处理简介  186

 

11.2  Seq2seq自然语言处理案例  188

 

第12章  利用PyTorch实现量化交易  204

 

12.1  线性回归预测股价  205

 

12.2  前馈神经网络预测股价  209

 

12.3  递归神经网络预测股价