PyTorch深度学习入门

 

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前最流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

曾芃壹，现为中山大学数据科学与计算机学院在读硕士，主要研究兴趣有深度学习、语音识别、推荐系统、自动犯罪侦查等。熟悉C、C++、Java、Python等多种程序设计语言、Flask建站技术以及PyTorch、TensorFlow深度学习框架，在简书上写了多篇PyTorch的文章，深受读者欢迎。

第一部分基础篇
第1章准备工作2
1.1硬件配置2
1.2在MacOSX系统下配置PyTorch运行环境6
1.3在Ubuntu系统下配置PyTorch运行环境8
1.4在Windows系统下配置PyTorch运行环境14
第2章Tensor基础17
2.1Tensor17
2.2Autograd30
第3章深度学习基础35
3.1机器学习35
3.2线性回归38
3.3非线性回归53
3.4逻辑回归58
3.5多元分类66
3.6反向传播70
3.7卷积神经网络72
3.8手写字体识别78
3.9fastai手写字体识别86
第二部分实战篇
第4章迁移学习90
4.1经典图像模型90
4.2迁移学习实战100
4.3使用fastai实现迁移学习109
第5章序列转序列模型111
5.1循环神经网络模型111
5.2神经翻译机简介119
5.3利用PyTorch构造神经翻译机122
第6章生成对抗网络138
6.1生成对抗网络概览138
6.2使用生成对抗网络生成二次元头像142
6.3使用TorchGAN生成二次元头像149
第7章深度强化学习153
7.1深度强化学习153
7.2基于策略的算法155
7.3基于值的算法157
7.4Gym简介161
7.5Q-Learning实战163
第8章风格迁移168
8.1风格迁移原理168
8.2风格迁移实践174
第三部分高级篇
第9章PyTorch扩展184
9.1自定义神经网络层184
9.2C++加载PyTorch模型189
第10章PyTorch模型迁移193
10.1ONNX简介193
10.2使用ONNX将PyTorch模型迁移至Caffe2196
10.3使用ONNX将PyTorch模型迁移至CoreML199
第11章PyTorch可视化201
11.1使用visdom实现PyTorch可视化201
11.2使用TensorBoard实现PyTorch可视化213
11.3使用Netron显示模型221
第12章PyTorch的并行计算223
12.1多进程223
12.2多GPU并行计算231