深度学习原理与PyTorch实战(第2版)

1.基于PyTorch新版本，涵盖深度学习基础知识和前沿技术 2.由浅入深，通俗易懂，适合初学人士的深度学习入门书 3.实战案例丰富有趣，深度学习原理与具体的操作流程相结合 4.新增了Transformer、BERT、图神经网络等热门技术的讲解 5.配有源代码和导学视频，让学习更直观、更有效。另有付费视频课程。

本书是一本系统介绍深度学习技术及开源框架PyTorch的入门书。书中通过大量案例介绍了PyTorch的使用方法、神经网络的搭建、常用神经网络（如卷积神经网络、循环神经网络）的实现，以及实用的深度学习技术，包括迁移学习、对抗生成学习、深度强化学习、图神经网络等。读者通过阅读本书，可以学会构造一个图像识别器，生成逼真的图像，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。第2版基于PyTorch1.6.0，对全书代码进行了更新，同时增加了Transformer、BERT、图神经网络等热门深度学习技术的讲解，更具实用性和时效性。本书适用于人工智能行业的软件工程师、对人工智能感兴趣的学生，也非常适合作为培训参考书。

 

第1章 深度学习简介
1.1 深度学习与人工智能
1.2 深度学习的历史渊源
1.2.1 从感知机到人工神经网络
1.2.2 深度学习时代
1.2.3 巨头之间的角逐
1.3 深度学习的影响因素
1.3.1 大数据
1.3.2 深度网络架构
1.3.3 GPU
1.4 深度学习为什么如此成功
1.4.1 特征学习
1.4.2 迁移学习
1.5 小结
1.6 参考文献
第2章 PyTorch简介
2.1 PyTorch安装
2.2 初识PyTorch
2.2.1 与Python完美融合
2.2.2 张量计算
2.2.3 动态计算图
2.3 PyTorch实例：预测房
2.3.1 准备数据
2.3.2 设计模型
2.3.3 训练
2.3.4 预测
2.3.5 术语汇总
2.4 小结
第3章 单车预测器——你的第一个神经网络
3.1 共享单车的烦恼
3.2.1 人工神经网络简介
3.2.2 人工神经元
3.2.3 两个隐含神经元
3.2.4 训练与运行
3.2.5 失败的神经预测器
3.2.6 过拟合
3.3.1 数据的预处理过程
3.3.2 构建神经网络
3.3.3 测试神经网络
3.4 剖析神经网络Neu
3.5 小结
3.6 Q&A
第4章 机器也懂感情——中文情绪分类器
4.1 神经网络分类器
4.1.1 如何用神经网络做分类
4.1.2 分类问题的损失函数
4.2 词袋模型分类器
4.2.1 词袋模型简介
4.2.2 搭建简单文本分类器
4.3 程序实现
……
第5章 手写数字识别器——认识卷积神经网络
第6章 手写数字加法机——迁移学习
第7章 你自己的Prisma——图像风格迁移
第8章 人工智能造假术——图像生成与对抗学习
第9章 词汇的星空——神经语言模型与Word2Vec
第10章 深度网络LSTM作曲机——序列生成模型
第11章 神经机器翻译机——端到端机器翻译
第12章 更强的机器翻译模型——Transformer
第13章 学习跨任务的语言知识——预训练语言模型
第14章 人体姿态识别——图网络模型
第15章 AI游戏高手——深度强化学习