| 《PyTorch深度学习》[印度]毗湿奴·布拉马尼亚（Vishnu Subramanian） | 您所在的位置：网站首页 › vishnu下载 › 《PyTorch深度学习》[印度]毗湿奴·布拉马尼亚（Vishnu Subramanian） |
|
PyTorch是Facebook于2017年初在机器学习和科学计算工具Torch的基础上，针对Python语言发布的一个全新的机器学习工具包，一经推出便受到了业界的广泛关注和讨论，目前已经成为机器学习从业人员的研发工具。 《PyTorch深度学习》是使用PyTorch构建神经网络模型的实用指南，内容分为9章，包括PyTorch与深度学习的基础知识、神经网络的构成、神经网络的知识、机器学习基础知识、深度学习在计算机视觉中的应用、深度学习在序列数据和文本中的应用、生成网络、现代网络架构，以及PyTorch与深度学习的未来走向。 《PyTorch深度学习》适合对深度学习领域感兴趣且希望一探PyTorch的业内人员阅读；具备其他深度学习框架使用经验的读者，也可以通过本书掌握PyTorch的用法。 Vishnu Subramanian在领导、设计和实施大数据分析项目（人工智能、机器学习和深度学习）方面富有经验。擅长机器学习、深度学习、分布式机器学习和可视化等。在零售、金融和旅行等行业颇具经验，还善于理解和协调企业、人工智能和工程团队之间的关系。 第 1章 PyTorch与深度学习1 1.1 人工智能 1 1.2 机器学习 3 1.3 深度学习 4 1.3.1 深度学习的应用 4 1.3.2 深度学习的浮夸宣传 6 1.3.3 深度学习发展史 6 1.3.4 为何是现在 7 1.3.5 硬件可用性 7 1.3.6 数据和算法 8 1.3.7 深度学习框架 9 1.4 小结 10 第 2章 神经网络的构成 11 2.1 安装PyTorch 11 2.2 实现第 一个神经网络 12 2.2.1 准备数据 13 2.2.2 为神经网络创建数据 20 2.2.3 加载数据 24 2.3 小结 25 第3章 深入了解神经网络 26 3.1 详解神经网络的组成部分 26 3.1.1 层—神经网络的基本组成 27 3.1.2 非线性激活函数 29 3.1.3 PyTorch中的非线性激活函数 32 3.1.4 使用深度学习进行图像分类 36 3.2 小结 46 第4章 机器学习基础 47 4.1 三类机器学习问题 47 4.1.1 有监督学习 48 4.1.2 无监督学习 48 4.1.3 强化学习 48 4.2 机器学习术语 49 4.3 评估机器学习模型 50 4.4 数据预处理与特征工程 54 4.4.1 向量化 54 4.4.2 值归一化 54 4.4.3 处理缺失值 55 4.4.4 特征工程 55 4.5 过拟合与欠拟合 56 4.5.1 获取 |
| CopyRight 2018-2019 实验室设备网 版权所有 |