4.23文创礼盒，买2个减5元
奔向书中的旷野 |每满79减30
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
为了活下去的思想吴昌硕画选历史的驴友饥饿好的爱情,要有敢要的底气
中图网
>
PYTORCH深度学习指南:编程基础 卷I
分享

PYTORCH深度学习指南:编程基础 卷I

作者：[巴西]丹尼尔·沃格特·戈多伊（Dani
出版社：机械工业出版社出版时间：2024-03-01
开本： 16开 页数： 182
中 图 价:¥79.2(8.0折) 定价  ¥99.0 登录后可看到会员价
加入购物车 收藏
运费6元，满69元免运费
?快递不能达地区使用邮政小包，运费14元起
云南、广西、海南、新疆、青海、西藏六省，部分地区快递不可达
本类五星书更多>
中图价:¥79.2 加入购物车
中图网自出版七楼书店 淘书团

PYTORCH深度学习指南:编程基础 卷I 版权信息

  • ISBN：9787111749783
  • 条形码：9787111749783 ; 978-7-111-74978-3
  • 装帧：平装-胶订
  • 册数：暂无
  • 重量：暂无
  • 所属分类：

PYTORCH深度学习指南:编程基础 卷I 本书特色

国外Pytorch深度学习畅销书 全彩印刷
作者拥有20余年从业经验
“PyTorch深度学习指南”丛书循序渐进地详细讲解了与深度学习相关的重要概念、算法和模型，并着重展示了PyTorch是如何实现这些算法和模型的。其共分三卷：编程基础、计算机视觉、序列与自然语言处理。
本书适用于对深度学习感兴趣，并希望使用PyTorch实现深度学习的Python程序员阅读。

以下是部分国外读者书评：
Mike：语言通俗易懂，易于吸收和理解，没有长篇大论，也没有太多的数学符号，只在极少数情况下才在文中使用，确实很有帮助。作者带你了解如何在没有Torch的情况下首先构建和训练神经网络，以及梯度下降之类的事情是如何运作的。
Mark：这本书很棒！我能够在几天内读完它，它非常容易理解。我很熟悉scikit-learn，已经用了几年了，所以这本书是一种快速适应PyTorch的方法。对ML概念的回顾足够深入，所以我理解了代码。我现在开始读第二卷！

TS.：这本书不只是把代码推到你面前，它解释了事物在引擎盖下是如何工作的。我非常喜欢这种风格，所以我把这本书及其第二卷作为我的ECE655高级GPU编程和深度学习课程的教材。

Jesse：我喜欢这位作家的风格。他从深度学习背后的基本概念开始，带领你从自己硬编码梯度下降到使用PyTorch高效实现，逐步提高抽象和复杂性。*后，你将能够在PyTorch中编写一个干净紧凑的模型，并且了解每个子组件在后台做什么。

PYTORCH深度学习指南:编程基础 卷I 内容简介

“PyTorch深度学习指南”丛书循序渐进地详细讲解了与深度学习相关的重要概念、算法和模型，并着重展示了PyTorch是如何实现这些算法和模型的。其共分三卷：编程基础、计算机视觉、序列与自然语言处理。 本书为该套丛书的**卷：编程基础。本书主要介绍了梯度下降和PyTorch的Autograd；训练循环、数据加载器、小批量和优化器；二元分类器、交叉熵损失和不平衡数据集；决策边界、评估指标和数据可分离性等内容。 本书适用于对深度学习感兴趣，并希望使用PyTorch实现深度学习的Python程序员阅读学习。

PYTORCH深度学习指南:编程基础 卷I 目录

前　言
致　谢
关于作者
译者序
常见问题
　　为什么选择PyTorch？
　　为什么选择这套书？
　　谁应该读这套书？
　　我需要知道什么？
　　如何阅读这套书？
　　下一步是什么？
设置指南
　　官方资料库
　　环境
　　　　谷歌Colab
　　　　Binder
　　　　本地安装
　　继续
第0章　可视化梯度下降
　　剧透
　　Jupyter Notebook
　　　　导入
　　可视化梯度下降
　　模型
　　数据生成
　　　　合成数据生成
　　　　训练-验证-测试拆分
　　第0步——随机初始化
　　第1步——计算模型的预测
　　第2步——计算损失
　　　　损失面
　　　　横截面
　　第3步——计算梯度
　　　　可视化梯度
　　　　反向传播
　　第4步——更新参数
　　　　学习率
　　第5步——循环往复
　　　　梯度下降的路径
　　回顾
第1章　一个简单的回归问题
　　剧透
　　Jupyter Notebook
　　　　导入
　　一个简单的回归问题
　　数据生成
　　　　合成数据生成
　　梯度下降
　　　　第0步——随机初始化
　　　　第1步——计算模型的预测
　　　　第2步——计算损失
　　　　第3步——计算梯度
　　　　第4步——更新参数
　　　　第5步——循环往复
　　Numpy中的线性回归
　　PyTorch
　　　　张量
　　　　加载数据、设备和CUDA
　　　　创建参数
　　Autograd
　　　　backward
　　　　grad
　　　　zero_
　　　　更新参数
　　　　no_grad
　　动态计算图
　　优化器
　　　　step/zero_grad
　　损失
　　模型
　　　　参数
　　　　state_dict
　　　　设备
　　　　前向传递
　　　　训练
　　　　嵌套模型
　　　　序列（Sequential）模型
　　　　层
　　归纳总结
　　　　数据准备
　　　　模型配置
　　　　模型训练
　　回顾
第2章　重新思考训练循环
　　剧透
　　Jupyter Notebook
　　　　导入
　　重新思考训练循环
　　　　训练步骤
　　Dataset
　　　　TensorDataset
　　DataLoader
　　　　小批量内循环
　　　　随机拆分
　　评估
　　　　绘制损失
　　TensorBoard
　　　　在Notebook中运行
　　　　单独运行（本地安装）
　　　　单独运行（Binder）
　　　　SummaryWriter
　　　　add_graph
　　　　add_scalars
　　保存和加载模型
　　　　模型状态
　　　　保存
　　　　恢复训练
　　　　部署/做出预测
　　　　设置模型的模式
　　归纳总结
　　回顾
第2.1章　追求优雅
　　剧透
　　Jupyter Notebook
　　　　导入
　　追求优雅
　　　　类
　　　　构造方法
　　　　训练方法
　　　　保存和加载方法
　　　　可视化方法
　　　　完整代码
　　典型的管道
　　　　模型训练
　　　　做出预测
　　　　检查点
　　　　恢复训练
　　归纳总结
　　回顾
第3章　一个简单的分类问题
　　剧透
　　Jupyter Notebook
　　　　导入
　　一个简单的分类问题
　　数据生成
　　数据准备
　　模型
　　　　logit
　　　　概率
　　　　比值比（Odds Ratio）
　　　　对数比值比
　　　　从logit到概率
　　　　Sigmoid
　　　　逻辑斯蒂回归
　　损失
　　　　BCELoss
　　　　BCEWithLogitsLoss
　　　　不平衡数据集
　　模型配置
　　模型训练
　　决策边界
　　分类阈值
　　　　混淆矩阵
　　　　指标
　　　　权衡和曲线
　　归纳总结
　　回顾
展开全部

PYTORCH深度学习指南:编程基础 卷I 作者简介

丹尼尔?沃格特?戈多伊是一名数据科学家、开发人员、作家和教师。自2016年以来，他一直在柏林历史最悠久的训练营Data Science Retreat讲授机器学习和分布式计算技术，帮助数百名学生推进职业发展。
丹尼尔还是两个Python软件包——HandySpark和DeepReplay的主要贡献者。
他拥有在多个行业20多年的工作经验，这些行业包括银行、政府、金融科技、零售和移动出行等。

商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服