- PyTorch教程(21个项目玩转PyTorch实战)
- - 作者：编者:王飞//何健伟//林宏彬//史周安|责编:刘云
  - 出版社：北京大学
  - ISBN：9787301334461
  - 出版日期：2022/12/01
  - 页数：282
- 售价：35.6

内容大纲
PyTorch是基于Torch库的开源机器学习库，它主要由Meta（原Facebook）的人工智能研究实验室开发，在自然语言处理和计算机视觉领域都具有广泛的应用。本书介绍了简单且经典的入门项目，方便快速上手，如MNIST数字识别，读者在完成项目的过程中可以了解数据集、模型和训练等基础概念。本书还介绍了一些实用且经典的模型，如R－CNN模型，通过这个模型的学习，读者可以对目标检测任务有一个基本的认识，对于基本的网络结构原理有一定的了解。另外，本书对于当前比较热门的生成对抗网络和强化学习也有一定的介绍，方便读者拓宽视野，掌握前沿方向。
本书适合人工智能、机器学习、深度学习方面的人员阅读，也适合其他IT方面从业者，另外，还可以作为相关专业的教材。
作者介绍
目录
第1章  数字识别
  1.1  MNIST数据集
    1.1.1  MNIST 数据集简介
    1.1.2  导入数据集
  1.2  构建模型
    1.2.1  定义神经网络
    1.2.2  前向传播
    1.2.3  计算损失
    1.2.4  反向传播与更新参数
  1.3  开始训练
  1.4  观察模型预测结果
  1.5  总结
第2章  ImageNet图像识别模型与CIFAR-
  2.1  图像分类器
    2.1.1  CIFAR-10数据集简介
    2.1.2  加载数据集
    2.1.3  定义卷积神经网络
    2.1.4  定义损失函数和优化器
    2.1.5  训练网络
    2.1.6  使用测试集评估
    2.1.7  使用GPU加速
  2.2  ImageNet和图像识别模型
    2.2.1  ImageNet
    2.2.2  基于 ImageNet 的图像识别模型
  2.3  总结
第3章  从零构建图像分类模型
  3.1  预训练模型原理
    3.1.1  状态字典
    3.1.2  通过设备保存
  3.2  加载ImageNet预训练模型
  3.3  准备数据
    3.3.1  加载数据集
    3.3.2  使用matplotlib可视化数据
  3.4  开始训练
  3.5  使用torchvision微调模型
  3.6  观察模型预测结果
  3.7  固定模型的参数
  3.8  使用tensorbord可视化训练情况
  3.9  总结
第4章  文本生成
第5章  目标检测和实例分割
第6章  人脸检测与识别
第7章  利用DCGAN生成假脸
第8章  pix2pix为黑白图片上色
第9章  Neural-Style与图像风格迁移
第10章  对抗机器学习和欺骗模型
第11章  word2vec与词向量
第12章  命名实体识别
第13章  基于AG_NEWS的文本分类
第14章  基于BERT的文本分类

第15章  文本翻译
第16章  文本阅读理解
第17章  为图像添加文本描述
第18章  聊天机器人
第19章  CycleGAN 模型
第20章  图像超分辨率与ESPCN
第21章  强化学习

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目