电子书:《深度学习框架PyTorch:入门与实践》_陈云

[复制链接]
查看217 | 回复1 | 2019-12-30 13:51:52 | 显示全部楼层 |阅读模式

《深度学习框架PyTorch:入门与实践》_陈云_1

《深度学习框架PyTorch:入门与实践》_陈云_1

《深度学习框架PyTorch:入门与实践》_陈云_2

《深度学习框架PyTorch:入门与实践》_陈云_2

《深度学习框架PyTorch:入门与实践》_陈云_3

《深度学习框架PyTorch:入门与实践》_陈云_3


内容简介:

作者简介
陈云
on程序员、 Linux爱好者和 PyTorch
码贡献者。主要研究方向包括计算
0机器学习。曾获得“2017知乎·看山杯
机器学习挑战赛”一等奖,“2017天池医疗
A大赛\"第八名。热衷于推广 PoRch,并有
丰富的使用经验,活跃于 ToRch论坛和
知乎相关板块
松注册成为博文视点社区用户
broadview.com.ch),
扫码直达本书页面。
下载资源:本书所提供的示例代码及资源
文件均可在【下载资源】处下载
提交勘误:您对书中内容的修改意见可在
【提交勘误】处提交,若被采纳,将获贈
文视点社区积分(在您购买电子书时
积分可用来抵扣相应金额
与读者交流在页面下方【读者评论】处
留下您的疑问或观点,与其他读者一同学
习交流。
页面入口
tp://www.broadview.com.cn/33077
欢迎加入本书读者.Q.Q.群.:397326578

深度学习框架
PyTorch入门与实践
陈云◎编著
電子工掌出社
blishing House of Electronics Industry
北京· BELJING

内容简介
书从多维数组 Tensor开始,循序渐进地带领读者了解 PyTorch各方面的基础知
识,并结合基础知识和前沿研究,带领读者从零开始完成几个经典有趣的深度学习小
项目,包括GAN生成动漫头像、AI滤镜、AI写诗等。本书没有简单机械地介绍各个
函数接口的使用,而是尝试分门别类、循序渐进地向读者介绍 PyTorch的知识,希望读
者对 Py Torch有一个完整的认识
本书内容由浅人深,无论是深度学习的初学者,还是第一次接触 PyTorch的研究人
员,都能在学习本书的过程中快速掌握 Py Torch。即使是有一定 Py Torch使用经验的用
户,也能够从本书中获得对 PyTorch不一样的理解。
未经许可,不得以任何方式复制或抄袭本书之部分或全部内容
版权所有,侵权必究
图书在版编目(CIP)数据
深度学习框架 Py Torch:人门与实践/陈云编著.一北京:电子工业出版社,2018.1
SBN978-7-121-33077
④深…1.①陈…Ⅲ.①机器学习-研究IV.①TP8
中guo版本图书馆CIP数据核字(2017)第286730号
策划编辑:郑柳洁
责任编辑:郑柳洁
印刷:三河市双峰印刷装订有限公司
装订:三河市双峰印刷装订有限公司
出版发行:电子工业出版社
北京市海淀区万寿路173信箱
邮编:100036
开本:787×9801/16印张:18.75字数:353千字
版次:2018年1月第1版
印次:2018年4月第3次印刷
65.00元
凡所购买电子工业出版社图书有缺损问题,请向购买书店调换。若书店售缺,请与
本社发行部联系,联系及邮购电话010)882548888825888
质量投诉请发邮件至ats@2phei.com.cn,盗版侵权举报请发邮件至dbq@phei.com.cn
本书咨询联系方式010)51260888819faq@phei.com.cn

前言
为什么写这本书
2016年是属于 TensorFlow的一年,凭借谷歌的大力推广, TensorFlow占据了各大
媒体的头条。2017年年初, PyTorch的横空出世吸引了研究人员极大的关注, Py Torch
简洁优雅的设计、统一易用的接口、追风逐电的速度和变化无方的灵活性给人留下深
刻的印象
作为一门2017年刚刚发布的深度学习框架,研究人员所能获取的学习资料有限
中文资料更是比较少。笔者长期关注 Py Torch发展,经常在论坛上帮助 PyTorch新手解
决问题,在平时的科研中利用 PyTorch进行各个方面的研究,有着丰富的使用经验。看
到guo内的用户对 Py Torch十分感兴趣,迫切需要一本能够全面讲解 PyTorch的书籍,于
是本书就这么诞生了。
本书的结构
本书分为两部分:第2-5章主要介绍 PyTorch的基础知识。
第2章介绍 PyTorch的安装和配置学习环境。同时以最概要的方式介绍 PyTorch
的主要内容,让读者对 Py Torch有一个大概的整体印象
第3章介绍 PyTorch中多维数组 Tensor和动态图 autograd/variable的使用,并配
以例子,让读者分别使用 Tensor和 autograd实现线性回归,比较二者的不同点
本章还对 Tensor的底层设计,以及 autocad的原理进行了分析,给读者以更全面
具体的讲解。
第4章介绍 PyTorch中神经网络模块n的基础用法,同时讲解了神经网络中的
层”、“损失函数”、“优化器”等,最后带领读者用不到50行的代码搭建出曾夺
得 ImageNet冠军的 ResNet
第5章介绍 PyTorch中数据加载、GPU加速和可视化等相关工具

第6-10章主要介绍实战案例
第6章是承上启下的一章,目标不是教会读者新函数、新知识,而是结合 Gaggle
中一个经典的比赛,实现一个深度学习中比较简单的图像二分类问题。在实现的
过程中,带领读者复习前5章的知识,并提出代码规范以合理地组织程序和代码
使程序更可读、可维护。第6章还介绍在 PyTorch中如何进行 debug
第7章为读者讲解当前最火爆的生成对抗网络(GAN),带领读者从零开始实现
一个动漫头像生成器,能够利用GAN生成风格多变的动漫头像
·第8章为读者讲解风格迁移的相关知识,并带领读者实现风格迁移网络,将自己
的照片变成“高大上”的名画
第9章为读者讲解一些自然语言处理的基础知识,并讲解 CharON的原理。然
后利用其收集几万首唐诗,训练出一个可以自动写诗歌的小程序。这个小程序可
以控制生成诗歌的格式和意境,还能生成藏头诗
第10章为读者介绍图像描述任务,并以最新的 Al Challenger比赛的数据为例,带
领读者实现一个可以进行简单图像描述的小程序
第1章和第11章是本书的首章和末章,第1章介绍 PyTorch的优势,以及和市面
上其他几款框架的对比。第1章是对本书的总结,以及对 Py Torch不足之处的思考
时对读者未来的学习提出建议
关于代码
本书的所有代码都开源在Gub上,其中
第2-5章的代码以 Jupyter Notebook形式提供,读者可以在自己的计算机上交互
式地修改运行它。
第6-10章的代码以单独的程序给出,每个函数的作用与细节在代码中有大量的
注释
本书的代码,在最新版的 Py Torch0.2上运行,同时支持 Python2和 Python3,其中
前5章的代码同时在 Python27和 Python3.5上验证,并得到最终结果
第6-10章的代码,主要在 Python2.7上运行并得到最终结果,同时在 Python3
上测试未报错
Whttps://github.com/chenyuntc/pytorch-book



回复

使用道具 举报

牵手看日落 | 2019-12-30 13:51:57 | 显示全部楼层
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则