- PyTorch深度学习和图神经网络(卷1基础知识)
- - 作者：李金洪|责编:张涛
  - 出版社：人民邮电
  - ISBN：9787115549839
  - 出版日期：2021/12/01
  - 页数：355
- 售价：51.92

内容大纲
本书从基础知识开始，介绍深度学习与图神经网络相关的一系列技术与实现方法，主要内容包括PyTorch的使用、神经网络的原理、神经网络的基础模型、图神经网络的基础模型。书中侧重讲述与深度学习基础相关的网络模型和算法思想，以及图神经网络的原理，且针对这些知识点给出在PyTorch框架上的实现代码。
本书适合想学习图神经网络的技术人员、人工智能从业人员阅读，也适合作为大专院校相关专业的师生用书和培训班的教材。
作者介绍
李金洪，“大蛇智能”网站创始人、“代码医生”工作室主程序员。精通Python、C、C++、汇编、Java和Go等多种编程语言。擅长神经网络、算法、协议分析、逆向工程和移动互联网安全架构等技术。在深度学习领域，参与过某移动互联网后台的OCR项目、某娱乐节目机器人的语音识别和声纹识别项目，以及人脸识别、活体检测等多个项目。在“代码医生”工作室工作期间，完成过金融、安全、市政和医疗等多个领域的AI算法外包项目。
目录
第一篇  入门——PyTorch基础
  第1章  快速了解人工智能与PyTorch
    1.1  图神经网络与深度学习
      1.1.1  深度神经网络
      1.1.2  图神经网络
    1.2  PyTorch是做什么的
    1.3  PyTorch的特点
    1.4  PyTorch与TensorFlow各有所长
    1.5  如何使用本书学好深度学习
  第2章  搭建开发环境
    2.1  下载及安装Anaconda
      2.1.1  下载Anaconda开发工具
      2.1.2  安装Anaconda开发工具
      2.1.3  安装Anaconda开发工具时的注意事项
    2.2  安装PyTorch
      2.2.1  打开PyTorch官网
      2.2.2  配置PyTorch安装命令
      2.2.3  使用配置好的命令安装PyTorch
      2.2.4  配置PyTorch的镜像源
    2.3  熟悉Anaconda 3的开发工具
      2.3.1  快速了解Spyder
      2.3.2  快速了解Jupyter Notebook
    2.4  测试开发环境
  第3章  PyTorch基本开发步骤——用逻辑回归拟合二维数据
    3.1  实例1：从一组看似混乱的数据中找出规律
      3.1.1  准备数据
      3.1.2  定义网络模型
      3.1.3  搭建网络模型
      3.1.4  训练模型
      3.1.5  可视化训练结果
      3.1.6  使用及评估模型
      3.1.7  可视化模型
    3.2  模型是如何训练出来的
      3.2.1  模型里的内容及意义
      3.2.2  模型内部数据流向
    3.3  总结
  第4章  快速上手PyTorch
    4.1  神经网络中的几个基本数据类型
    4.2  张量类的基础
      4.2.1  定义张量的方法
      4.2.2  张量的类型
  ……
第二篇  基础——神经网络的监督训练与无监督训练
第三篇  提高——图神经网络

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目