国产精品一久久香蕉产线看/亚洲图区欧美/亚洲国产精品电影人久久网站/欧美日韩在线视频一区

超值優惠券
¥50
滿100可用 有效期2天

全場圖書通用（淘書團除外）

不再提示
關閉
圖書盲袋，以書為“藥”
歡迎光臨中圖網 請 | 注冊
> >
PYTORCH深度學習指南:編程基礎 卷I

PYTORCH深度學習指南:編程基礎 卷I

出版社：機械工業出版社出版時間：2024-03-01
開本： 16開 頁數： 182
中 圖 價:¥69.3(7.0折) 定價  ¥99.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

PYTORCH深度學習指南:編程基礎 卷I 版權信息

  • ISBN：9787111749783
  • 條形碼：9787111749783 ; 978-7-111-74978-3
  • 裝幀：簡裝本
  • 冊數：暫無
  • 重量：暫無
  • 所屬分類：>

PYTORCH深度學習指南:編程基礎 卷I 本書特色

國外Pytorch深度學習暢銷書 全彩印刷
作者擁有20余年從業經驗
“PyTorch深度學習指南”叢書循序漸進地詳細講解了與深度學習相關的重要概念、算法和模型，并著重展示了PyTorch是如何實現這些算法和模型的。其共分三卷：編程基礎、計算機視覺、序列與自然語言處理。
本書適用于對深度學習感興趣，并希望使用PyTorch實現深度學習的Python程序員閱讀。

以下是部分國外讀者書評：
Mike：語言通俗易懂，易于吸收和理解，沒有長篇大論，也沒有太多的數學符號，只在極少數情況下才在文中使用，確實很有幫助。作者帶你了解如何在沒有Torch的情況下首先構建和訓練神經網絡，以及梯度下降之類的事情是如何運作的。
Mark：這本書很棒！我能夠在幾天內讀完它，它非常容易理解。我很熟悉scikit-learn，已經用了幾年了，所以這本書是一種快速適應PyTorch的方法。對ML概念的回顧足夠深入，所以我理解了代碼。我現在開始讀第二卷！

TS.：這本書不只是把代碼推到你面前，它解釋了事物在引擎蓋下是如何工作的。我非常喜歡這種風格，所以我把這本書及其第二卷作為我的ECE655高級GPU編程和深度學習課程的教材。

Jesse：我喜歡這位作家的風格。他從深度學習背后的基本概念開始，帶領你從自己硬編碼梯度下降到使用PyTorch高效實現，逐步提高抽象和復雜性。*后，你將能夠在PyTorch中編寫一個干凈緊湊的模型，并且了解每個子組件在后臺做什么。

PYTORCH深度學習指南:編程基礎 卷I 內容簡介

“PyTorch深度學習指南”叢書循序漸進地詳細講解了與深度學習相關的重要概念、算法和模型，并著重展示了PyTorch是如何實現這些算法和模型的。其共分三卷：編程基礎、計算機視覺、序列與自然語言處理。
本書為該套叢書的**卷：編程基礎。本書主要介紹了梯度下降和PyTorch的Autograd；訓練循環、數據加載器、小批量和優化器；二元分類器、交叉熵損失和不平衡數據集；決策邊界、評估指標和數據可分離性等內容。
本書適用于對深度學習感興趣，并希望使用PyTorch實現深度學習的Python程序員閱讀學習。

PYTORCH深度學習指南:編程基礎 卷I 目錄

前　言
致　謝
關于作者
譯者序
常見問題
　　為什么選擇PyTorch？
　　為什么選擇這套書？
　　誰應該讀這套書？
　　我需要知道什么？
　　如何閱讀這套書？
　　下一步是什么？
設置指南
　　官方資料庫
　　環境
　　　　谷歌Colab
　　　　Binder
　　　　本地安裝
　　繼續
第0章　可視化梯度下降
　　劇透
　　Jupyter Notebook
　　　　導入
　　可視化梯度下降
　　模型
　　數據生成
　　　　合成數據生成
　　　　訓練-驗證-測試拆分
　　第0步——隨機初始化
　　第1步——計算模型的預測
　　第2步——計算損失
　　　　損失面
　　　　橫截面
　　第3步——計算梯度
　　　　可視化梯度
　　　　反向傳播
　　第4步——更新參數
　　　　學習率
　　第5步——循環往復
　　　　梯度下降的路徑
　　回顧
第1章　一個簡單的回歸問題
　　劇透
　　Jupyter Notebook
　　　　導入
　　一個簡單的回歸問題
　　數據生成
　　　　合成數據生成
　　梯度下降
　　　　第0步——隨機初始化
　　　　第1步——計算模型的預測
　　　　第2步——計算損失
　　　　第3步——計算梯度
　　　　第4步——更新參數
　　　　第5步——循環往復
　　Numpy中的線性回歸
　　PyTorch
　　　　張量
　　　　加載數據、設備和CUDA
　　　　創建參數
　　Autograd
　　　　backward
　　　　grad
　　　　zero_
　　　　更新參數
　　　　no_grad
　　動態計算圖
　　優化器
　　　　step/zero_grad
　　損失
　　模型
　　　　參數
　　　　state_dict
　　　　設備
　　　　前向傳遞
　　　　訓練
　　　　嵌套模型
　　　　序列（Sequential）模型
　　　　層
　　歸納總結
　　　　數據準備
　　　　模型配置
　　　　模型訓練
　　回顧
第2章　重新思考訓練循環
　　劇透
　　Jupyter Notebook
　　　　導入
　　重新思考訓練循環
　　　　訓練步驟
　　Dataset
　　　　TensorDataset
　　DataLoader
　　　　小批量內循環
　　　　隨機拆分
　　評估
　　　　繪制損失
　　TensorBoard
　　　　在Notebook中運行
　　　　單獨運行（本地安裝）
　　　　單獨運行（Binder）
　　　　SummaryWriter
　　　　add_graph
　　　　add_scalars
　　保存和加載模型
　　　　模型狀態
　　　　保存
　　　　恢復訓練
　　　　部署/做出預測
　　　　設置模型的模式
　　歸納總結
　　回顧
第2.1章　追求優雅
　　劇透
　　Jupyter Notebook
　　　　導入
　　追求優雅
　　　　類
　　　　構造方法
　　　　訓練方法
　　　　保存和加載方法
　　　　可視化方法
　　　　完整代碼
　　典型的管道
　　　　模型訓練
　　　　做出預測
　　　　檢查點
　　　　恢復訓練
　　歸納總結
　　回顧
第3章　一個簡單的分類問題
　　劇透
　　Jupyter Notebook
　　　　導入
　　一個簡單的分類問題
　　數據生成
　　數據準備
　　模型
　　　　logit
　　　　概率
　　　　比值比（Odds Ratio）
　　　　對數比值比
　　　　從logit到概率
　　　　Sigmoid
　　　　邏輯斯蒂回歸
　　損失
　　　　BCELoss
　　　　BCEWithLogitsLoss
　　　　不平衡數據集
　　模型配置
　　模型訓練
　　決策邊界
　　分類閾值
　　　　混淆矩陣
　　　　指標
　　　　權衡和曲線
　　歸納總結
　　回顧
展開全部

PYTORCH深度學習指南:編程基礎 卷I 作者簡介

丹尼爾?沃格特?戈多伊是一名數據科學家、開發人員、作家和教師。自2016年以來，他一直在柏林歷史最悠久的訓練營Data Science Retreat講授機器學習和分布式計算技術，幫助數百名學生推進職業發展。
丹尼爾還是兩個Python軟件包——HandySpark和DeepReplay的主要貢獻者。
他擁有在多個行業20多年的工作經驗，這些行業包括銀行、政府、金融科技、零售和移動出行等。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服