本书以深度学习框架PyTorch为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了基本机器学习操作的原理和在深度学习框架下的实践步骤。全书共16章，主要分别介绍了深度学习基础知识、深度学习框架及其对比，机器学习基础知识，深度学习框架基础，Logistic回归，多层感知器，计算机视觉，自然语言处理以及8个实战案例。本书将理论与实践紧密结合，相信能为读者提供有益的学习指导。??本书适合Pyth
电子书
内容简介
本书以PyTorch深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用PyTorch实现深度学习应用的重要内容。本书共7章，内容包括深度学习概述、PyTorch深度学习通用流程、PyTorch深度学习基础、手写汉字识别、文本生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现文本生成等。本书大部分章包含实训和课后习题，希望通过练习和操作实践，帮助读者巩固所学的内容。
本书可以作为高等学校数据科学与大数据技术或人工智能相关专业的教材，也可作为深度学习爱好者的自学用书。
章节目录
- 封面
- 扉页
- 版权信息
- 内容提要
- 大数据技术精品系列教材专家委员会
- 序
- 前言
- 第1章 深度学习概述
- 1.1 深度学习简介
- 1.1.1 深度学习的定义
- 1.1.2 深度学习的常见应用
- 1.2 深度学习与应用领域
- 1.2.1 深度学习与计算机视觉
- 1.2.2 深度学习与自然语言处理
- 1.2.3 深度学习与语音识别
- 1.2.4 深度学习与机器学习
- 1.2.5 深度学习与人工智能
- 1.3 PyTorch简介
- 1.3.1 各深度学习框架对比
- 1.3.2 PyTorch生态
- 1.3.3 PyTorch特点
- 1.3.4 PyTorch安装
- 1.4 PyTorch中的预训练模型
- 1.4.1 预训练模型的概念
- 1.4.2 预训练模型的使用场景
- 1.4.3 PyTorch预训练模型的调用方法
- 小结
- 课后习题
- 第2章 PyTorch深度学习通用流程
- 2.1 数据加载与预处理
- 2.1.1 数据加载
- 2.1.2 数据预处理
- 2.1.3 加载及预处理猫狗分类数据
- 2.2 构建网络
- 2.2.1 常用的网络构建方法
- 2.2.2 激活函数
- 2.2.3 构建基于卷积神经网络的猫狗分类网络
- 2.3 编译网络
- 2.3.1 损失函数
- 2.3.2 优化器
- 2.3.3 编译基于卷积神经网络的猫狗分类网络
- 2.4 训练网络
- 2.4.1 迭代次数
- 2.4.2 批训练
- 2.4.3 训练基于卷积神经网络的猫狗分类网络
- 2.5 性能评估
- 2.5.1 评估指标
- 2.5.2 评估基于卷积神经网络的猫狗分类模型的性能
- 小结
- 实训 CIFAR-10图像分类
- 课后习题
- 第3章 PyTorch深度学习基础
- 3.1 卷积神经网络基础
- 3.1.1 常用的卷积神经网络算法及其结构
- 3.1.2 卷积神经网络中的常用网络层
- 3.1.3 基于卷积神经网络的手写数字识别
- 3.2 循环神经网络基础
- 3.2.1 常用的循环神经网络算法及其结构
- 3.2.2 循环神经网络中的常用网络层
- 3.2.3 基于LSTM网络的时间序列分析
- 3.3 生成对抗网络基础
- 3.3.1 常用的生成对抗网络算法及其结构
- 3.3.2 基于生成对抗网络的手写数字图像生成
- 小结
- 实训1 基于卷积神经网络的人脸表情识别
- 实训2 基于循环神经网络的文本情感分类
- 实训3 基于生成对抗网络的人物图片生成
- 课后习题
- 第4章 手写汉字识别
- 4.1 目标分析
- 4.1.1 背景
- 4.1.2 分析目标
- 4.1.3 项目工程结构
- 4.2 加载数据
- 4.2.1 定义生成图像集路径文档的函数
- 4.2.2 定义读取并转换图像数据格式的类
- 4.2.3 加载图像数据
- 4.3 构建网络
- 4.4 编译网络
- 4.5 训练网络
- 4.6 性能评估
- 4.7 模型预测
- 小结
- 实训 手写中文数字识别
- 课后习题
- 第5章 文本生成
- 5.1 目标分析
- 5.1.1 背景
- 5.1.2 分析目标
- 5.1.3 项目工程结构
- 5.2 文本预处理
- 5.2.1 处理数据
- 5.2.2 创建字典
- 5.2.3 生成序列
- 5.3 构建网络
- 5.3.1 定义文本生成类的构造方法
- 5.3.2 初始化权重
- 5.3.3 设置数据在网络中的流动方向
- 5.4 训练网络
- 5.4.1 设置配置项
- 5.4.2 执行训练
- 5.4.3 定义文本生成器
- 5.5 结果分析
- 小结
- 实训 基于LSTM网络的文本生成
- 课后习题
- 第6章 基于CycleGAN的图像风格转换
- 6.1 目标分析
- 6.1.1 背景
- 6.1.2 分析目标
- 6.1.3 项目工程结构
- 6.2 数据准备
- 6.3 构建网络
- 6.3.1 残差网络
- 6.3.2 生成器
- 6.3.3 判别器
- 6.3.4 缓存队列
- 6.4 训练网络
- 6.5 结果分析
- 小结
- 实训 基于CycleGAN实现冬天与夏天的图像风格转换
- 课后习题
- 第7章 基于TipDM大数据挖掘建模平台实现文本生成
- 7.1 平台简介
- 7.1.1 共享库
- 7.1.2 数据连接
- 7.1.3 数据集
- 7.1.4 我的工程
- 7.1.5 个人组件
- 7.2 实现文本生成
- 7.2.1 配置数据源
- 7.2.2 文本预处理
- 7.2.3 构建网络
- 7.2.4 训练网络
- 7.2.5 结果分析
- 小结
- 实训 通过TipDM平台实现基于LSTM网络的文本生成
- 课后习题
展开全部
PyTorch与深度学习实战是2023年由人民邮电出版社出版,作者胡小春。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《PyTorch与深度学习实战》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。
电子书
电子书
本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，主要内容如下：第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行；第2章为机器学习概述，讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本；第3章介绍从生物神经元到
电子书
本书以Keras深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用Keras进行深度学习的重要内容。全书共7章，内容包括深度学习概述、Keras深度学习通用流程、Keras深度学习基础、基于RetinaNet的目标检测、基于LSTM网络的诗歌生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现诗歌生成等。本书大部分章包含实训和课后习题，通过练习和操作实践，读者可
电子书
本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。
电子书
内容提要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第1章介绍了深度学习及其主流框架；第2章介绍了几种不同的PaddlePaddle安装方式；第3章使用MNIST数据集实现手写数字识别；第4章介绍CIFAR彩色图像识别；第5章介绍了自定义数据集的识别；第6章介绍了验证码的识别；第7章介绍了场景文字的识别；第8章实现了验
电子书
本书以深度学习的常用技术与TensorFlow2真实案例相结合的方式，深入浅出地介绍TensorFlow2实现深度学习的重要内容。全书共7章，分为基础篇（第1～3章）和实战篇（第4～7章），基础篇内容包括深度学习概述、TensorFlow2快速入门、深度神经网络原理及实现等基础知识；实战篇内容包括4个案例，分别为基于CNN的门牌号识别、基于LSTM网络的语音识别、基于CycleGAN的图像风格转换
电子书
本书以深度学习在计算机视觉领域的常用技术与案例相结合的方式，深入浅出地介绍计算机视觉的常见任务及实现技术。全书共7章，内容包含概述、图像处理基本操作、深度学习视觉基础任务、基于FaceNet的人脸识别实战、基于FasterR-CNN的目标检测实战、基于U-Net的城市道路场景分割实战、基于SRGAN的图像超分辨率技术实战等。本书大部分章包含操作实践代码和课后习题，希望能够帮助读者在计算机视觉基础任
