- PyTorch深度学习指南(计算机视觉全彩印刷)
- - 作者：(巴西)丹尼尔·沃格特·戈多伊|责编:张淑谦//丁伦|译者:赵春江
  - 出版社：机械工业
  - ISBN：9787111749721
  - 出版日期：2024/03/01
  - 页数：236
- 售价：43.6

内容大纲
    “PyTorch深度学习指南”丛书循序渐进地详细讲解了与深度学习相关的重要概念、算法和模型，并着重展示了PyTorch是如何实现这些算法和模型的。其共分三卷：编程基础、计算机视觉、序列与自然语言处理。
    本书为该套丛书的第二卷：计算机视觉。本书主要介绍了深度模型、激活函数和特征空间；Torchvision、数据集、模型和转换；卷积神经网络、丢弃和学习率调度器；迁移学习和微调流行的模型（ResNet、Inception等）等内容。
    本书适用于对深度学习感兴趣，并希望使用PyTorch实现深度学习的Python程序员阅读学习。
作者介绍
目录
前言
致谢
关于作者
译者序
常见问题
  为什么选择PyTorch？
  为什么选择这套书？
  谁应该读这套书？
  我需要知道什么？
  如何阅读这套书？
  下一步是什么？
设置指南
  官方资料库
  环境
    谷歌Colab
    Binder
    本地安装
  继续
第4章   图像分类
  剧透
  Jupyter Notebook
    导入
  图像分类
    数据生成
    NCHW与NHWC
  Torchvision
    数据集
    模型
    转换
    图像上的转换
    张量上的转换
    组合转换
  数据准备
    数据集转换
    SubsetRandomSampler
    数据增强转换
    WeightedRandomSampler
    种子和更多（种子）
    小结
    作为特征的像素
  浅层模型
    符号
    模型配置
    模型训练
  深层模型
    模型配置
    模型训练
    给我看看数学
    给我看看代码
    作为像素的权重

  激活函数
    Sigmoid
    双曲正切（TanH）
    整流线性单元（ReLU）
    泄漏ReLU
    参数ReLU（PReLU）
  深度模型
    模型配置
    模型训练
    再给我看看数学
  归纳总结
  回顾
奖励章  特征空间
  二维特征空间
  转换
  二维模型
  决策边界，激活方式
  更多的函数，更多的边界
  更多的层，更多的边界
  更多的维度，更多的边界
  回顾
第5章  卷积
  剧透
  Jupyter Notebook
    导入
  卷积
    滤波器/内核
    卷积运算
    四处移动
    形状
    在PyTorch中进行卷积
    步幅
    填充
    真正的滤波器
  池化
  展平
  维度
  典型架构
    LeNet-5
  多类分类问题
    数据生成
    数据准备
    损失
    分类损失总结
    模型配置
    模型训练
  可视化滤波器和其他
    可视化滤波器
    钩子
    可视化特征图

    可视化分类器层
    准确率
    加载器应用
  归纳总结
  回顾
第6章  石头、剪刀、布
  剧透
  Jupyter Notebook
    导入
  关于石头、剪刀、布
    石头、剪刀、布数据集
  数据准备
    ImageFolder
    标准化
    真实数据集
  三通道卷积
  更高级的模型
  丢弃
    二维丢弃
  模型配置
    优化器
    学习率
  模型训练
    准确率
    正则化效果
    可视化滤波器
  学习率
    寻找LR
    自适应学习率
    随机梯度下降（SGD）
    学习率调度器
    验证损失调度器
    自适应与循环
  归纳总结
  回顾
第7章  迁移学习
  剧透
  Jupyter Notebook
    导入
  迁移学习
  ImageNet
  ImageNet大规模视觉识别挑战赛（ILSVRC）
    ILSVRC-2012
    ILSVRC-2014
    ILSVRC-2015
  对比各架构
  实践中的迁移学习
    预训练模型
    模型配置
    数据准备

    模型训练
    生成特征数据集
    顶层模型
  辅助分类器（侧头）
  1×1卷积
  Inception模块
  批量归一化
    游程（running）统计
    评估阶段
    动量
    BatchNorm2d
    其他归一化
    小结
  残差连接
    学习恒等
    捷径的力量
    残差块
  归纳总结
    微调
    特征提取
  回顾
额外章  梯度消失和爆炸
  剧透
  Jupyter Notebook
    导入
  梯度消失和爆炸
    梯度消失
    球数据集和块模型
    权重、激活和梯度
    初始化方案
    批量归一化
    梯度爆炸
    数据生成和准备
    模型配置和训练
    梯度裁剪
    模型配置和训练
    用钩子裁剪
  回顾

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目