《PYTORCH深度学习实战＝PYTORCH DEEP LEARNING HANDS-ON》求取 ⇩

第1章深度学习回顾和PyTorch简介1

1.1 PyTorch的历史2

1.2PyTorch是什么3

1.2.1 安装PyTorch4

1.2.2 PyTorch流行的原因5

1.3使用计算图7

1.3.1 使用静态图8

1.3.2 使用动态图11

1.4 探索深度学习13

1.5开始编写代码22

1.5.1 学习基本操作22

1.5.2 PyTorch的内部逻辑28

1.6 总结31

参考资料32

第2章一个简单的神经网络33

2.1 问题概述33

2.2 数据集34

2.3 新手模型38

2.4PyTorch方式49

2.4.1 高阶API50

2.4.2 functional模块55

2.4.3 损失函数57

2.4.4 优化器57

2.5 总结59

参考资料59

第3章深度学习工作流60

3.1 构思和规划61

3.2设计和实验62

3.2.1 数据集和DataLoader类62

3.2.2 实用程序包65

3.3 模型实现75

3.4 训练和验证79

3.5 总结86

参考资料86

第4章计算机视觉87

4.1 CNN简介87

4.2将PyTorch应用于计算机视觉90

4.2.1 简单CNN90

4.2.2 语义分割99

4.3 总结112

参考资料112

第5章序列数据处理114

5.1 循环神经网络简介114

5.2 问题概述116

5.3实现方法116

5.3.1 简单RNN117

5.3.2 高级RNN130

5.3.3 递归神经网络137

5.4 总结141

参考资料142

第6章生成网络143

6.1 方法定义144

6.2自回归模型145

6.2.1 PixelCNN147

6.2.2 WaveNet153

6.3GAN161

6.3.1 简单GAN161

6.3.2 CycleGAN168

6.4 总结173

参考资料173

第7章强化学习175

7.1 问题定义177

7.2 回合制任务与连续任务178

7.3 累积折扣奖励179

7.4 马尔可夫决策过程180

7.5解决方法182

7.5.1 策略和价值函数182

7.5.2 贝尔曼方程183

7.5.3 深度Q学习184

7.5.4 经验回放186

7.5.5 Gym186

7.6 总结194

参考资料194

第8章将PyTorch应用到生产195

8.1 使用Flask提供服务196

8.2 ONNX202

8.3 使用TorchScript提高效率215

8.4 探索RedisAI218

8.5 总结222

参考资料223