动手打造深度学习框架

动手打造深度学习框架

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

编辑推荐

本书基于C++编写,旨在带领读者动手打造出一个深度学习框架。

内容简介

本书基于C++模板元编程,带领读者动手打造一个深度学习框架。内容整体上分为两大部分。第一部分介绍元编程中常见的基础技术,包括元函数的基本概念、元数据结构与算法、容器和Policy系统。第二部分从零开始构造深度学习框架,从深度学习框架的背景知识开始开始,逐步讨论深度学习框架涉及的数据、运算设计、基本层、复合层、循环层,以及求值与优化。本书将深度学习框架与C++模板元编程有机结合,更利于读者的学习掌握。

作者简介

作者李伟,毕业于清华大学,曾负责百度公司自然语言处理部深度学习机器翻译系统线上预测部分的开发与维护,目前就职于微软。主要研究方向为C++,拥有10余年相关开发经验,对C++模板元编程与编译期计算有着浓厚的兴趣。喜欢尝试新技术。著有《C++模板元编程实战》。

章节目录

版权信息

内容提要

前言

第1部分 元编程基础技术

第1章 元编程基本方法

1.1 元函数与type_traits

1.2 模板型模板参数与容器模板

1.3 从元函数到元对象

1.4 顺序、分支与循环代码的编写

1.5 奇特的递归模板式

1.6 小结

1.7 练习

第2章 元数据结构与算法

2.1 基本数据结构与算法

2.2 基于包展开与折叠表达式的优化

2.3 基于操作合并的优化

2.4 基于函数重载的索引算法

2.5 顺序表的索引算法

2.6 小结

2.7 练习

第3章 异类词典与policy模板

3.1 具名参数简介

3.2 异类词典

3.3 policy模板

3.4 小结

3.5 练习

第2部分 深度学习框架

第4章 深度学习概述

4.1 深度学习简介

4.2 本书所实现的框架——MetaNN

4.3 小结

第5章 类型体系与基本数据类型

5.1 设计理念

5.2 类型体系

5.3 Shape类与形状信息

5.4 Tensor类模板

5.5 TrivialTensor

5.6 MetaNN所提供的其他数据类型

5.7 DynamicData

5.8 小结

5.9 练习

第6章 运算与表达式模板

6.1 表达式模板概述

6.2 MetaNN运算模板的设计思想

6.3 辅助元函数与辅助类模板

6.4 运算模板的框架

6.5 运算实现示例

6.6 其他运算

6.7 运算的折中与局限性

6.8 小结

6.9 练习

第7章 基本层

7.1 层的设计理念

7.2 层的辅助逻辑

7.3 层的具体实现

7.4 小结

7.5 练习

第8章 复合层

8.1 复合层的接口与设计理念

8.2 policy继承与修正逻辑的实现

8.3 ComposeTopology的实现

8.4 ComposeKernel的实现

8.5 复合层实现示例

8.6 小结

8.7 练习

第9章 循环层

9.1 设计理念

9.2 循环层的实现

9.3 循环层应用示例

9.4 小结

9.5 练习

第10章 求值与优化

10.1 MetaNN的求值模型

10.2 基本求值逻辑

10.3 求值过程的优化

10.4 小结

10.5 练习

后记

动手打造深度学习框架是2022年由人民邮电出版社出版,作者李伟。

得书感谢您对《动手打造深度学习框架》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

你可能喜欢
深度学习在动态媒体中的应用与实践 电子书
本书是一本深度学习的基础入门读物,对深度学习的基本理论进行了介绍,主要以Ubuntu系统为例搭建了三大主流框架——Caffe、TensorFlow、Torch,然后分别在3个框架下,通过3个实战项目掌握了框架的使用方法,并详细描述了生产流程,最后讲述了通过集群部署深度学习的项目以及如何进行运营维护的注意事项。本书适合对深度学习有浓厚兴趣的读者、希望用深度学习完成设计的计算机专业或电子信息专业的高校
深度学习之摄影图像处理:核心算法与案例精粹 电子书
本书内容涉及摄影学、计算机视觉、深度学习3个领域,系统地介绍了计算机视觉在图像质量和摄影学各个领域的核心算法和应用,包括传统的图像处理算法和深度学习核心算法。本书理论知识体系完备,同时提供大量实例,供读者实战演练。本书融合摄影学和计算机视觉的内容,覆盖面非常广。第1章简单介绍摄影的历史、摄影与图像的基本概念和摄影中的许多基本技巧。从第2章开始,本书对摄影学中图像处理算法的各个重要方向进行介绍,包括
Python深度学习(第2版) 电子书
Keras之父、谷歌人工智能研究员弗朗索瓦·肖莱执笔,深度学习领域力作。
JavaScript深度学习 电子书
深度学习扛鼎之作《Python深度学习》姊妹篇,前端工程师不可错过的AI入门书。
深度学习原理与实践 电子书
(1)大量图例,简单易懂。作者亲自绘制了大量插图,力求还原深度学习的算法思想,分解和剖析晦涩的算法,用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣,快乐地学习算法知识,体会深度学习的算法本质。 (2)简化公式,生动比喻。深度学习和机器学习类的书中通常会有大量复杂冗长的算法公式,为了避免出现读者读不懂的情况,本书尽可能地统一了公式和符号,简化相关公式,并加以生动的比喻进行解析。在启发读者的同时,锻炼读者分析问题和解决问题的能力。 (3)算法原理,代码实现。在介绍深度学习及相关算法的原理时,不仅给出了对应的公式,还给出了实现和求解公式的代码,让读者明确该算法的作用、输入和输出。原理与代码相结合,使得读者对深度学习的算法实现更加具有亲切感。 (4)深入浅出,精心剖析。理解深度学习需要一定的机器学习知识,本书在D1章介绍了深度学习与机器学习的关系,并简要介绍了机器学习的内容。在内容安排上,每章依次介绍模型框架的应用场景、结构和使用方式,最后通过真实的案例去全面分析该模型结构。目的是让读者可以抓住深度学习的本质。 (5)入门实践,案例重现。每一章最后的真实案例不是直接堆砌代码,而是讲解使用该算法模型的原因和好处。从简单的背景知识出发,使用前文讲解过的深度学习知识实现一个实际的工程项目。实践可以用于及时检验读者对所学知识的掌握程度,为读者奠定深度学习的实践基础。 将一本技术书籍写得通俗易懂谈何容易,但《深度学习原理与实践》这本书确实做到了。书中对近年来火热的深度学习理论知识进行简单剖析,化繁为简,没有局限于坐而论道,而是将实例和数学理论相结合,让读者能够快速理解各种模型并上手实践,值得细读。 --唐春明 广州大学数学与信息学科学院副院长 本书从原理、方法、实践这 3 个维度系统地介绍了深度学习的方方面面,内容详实,解读清晰,细节与全貌兼顾,既适合初学者阅读,也可以作为深入研究的参考用书。 --杨刚 西安电子科技大学教授 近年来出版的深度学习相关图书中,本书是我见过非常有指导意义的中文书籍之一。本书对 ANN、CNN、RNN 等模型进行深入浅出的介绍,引入大量图例和简化后的公式,让算法浅显易懂。每一章的实践内容都给人惊喜,强烈推荐! --吴健之 腾讯音乐高级工程师 作为产品经理,我能看懂的深度学习书籍实在太少了。本书恰到好处,插图丰富直观,数学公式简练,很喜欢此类风格的图书,易懂好学。即使你不是程序员或算法专家,该书也值得一看! --张瑞 中软国际高级产品经理