返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • PyTorch速查手册 [美]乔·帕帕(Joe Papa) 著 林琪 等译 著 专业科技 文轩网
  • 新华书店正版
    • 作者: [美]乔·帕帕(Joe Papa) 著 林琪 等译著
    • 出版社: 中国电力出版社
    • 出版时间:2022-11-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: [美]乔·帕帕(Joe Papa) 著 林琪 等译著
    • 出版社:中国电力出版社
    • 出版时间:2022-11-01 00:00:00
    • 版次:1
    • 印次:1
    • 字数:391000
    • 页数:300
    • 开本:16开
    • 装帧:平装
    • ISBN:9787519869700
    • 国别/地区:中国
    • 版权提供:中国电力出版社

    PyTorch速查手册

    作  者:[美]乔·帕帕(Joe Papa) 著 林琪 等译 著
    定  价:88
    出 版 社:中国电力出版社
    出版日期:2022年11月01日
    页  数:300
    装  帧:平装
    ISBN:9787519869700
    主编推荐

    内容简介

    本书的主要内容有:学习基本PyTorch语法和设计模式。创建定制模型和数据变换。使用GPU和TPU训练和部署模型。训练和测试一个深度学习分类器。使用优化和分布式训练加速训练。利用PyTorch库和PyTorch生态系统。

    作者简介

    精彩内容

    目录
    目录
    前言 . 1
    第1 章 PyTorch 简介 9
    1.1 PyTorch 是什么? .9
    1.2 为什么使用PyTorch? .10
    1.3 新手指南 12
    1.3.1 在Google Colaboratory 中运行 13
    1.3.2 在本地计算机上运行 .16
    1.3.3 在云平台上运行 17
    1.3.4 验证你的PyTorch 环境 20
    1.4 一个有趣的例子 20
    第2 章 张量 29
    2.1 张量是什么? .30
    2.1.1 简单CPU 示例 .30
    2.1.2 简单GPU 示例 .31
    2.1.3 在CPU 和GPU 之间移动张量 .32
    2.2 创建张量 33
    2.2.1 张量属性37
    2.2.2 数据类型38
    2.2.3 由随机样本创建张量 .40
    2.2.4 创建类似其他张量的张量 42
    2.3 张量操作 42
    2.3.1 张量索引、切片、合并和拆分 .43
    2.3.2 张量数学运算 47
    2.3.3 自动微分(Autograd) .54
    第3 章 使用PyTorch 的深度学习开发 . 57
    3.1 完整过程 58
    3.2 数据准备 60
    3.2.1 数据加载60
    3.2.2 数据变换65
    3.2.3 数据批处理 .69
    3.2.4 一般数据准备(torch.utils.data) 70
    3.3 模型开发 74
    3.3.1 模型设计75
    3.3.2 训练 90
    3.3.3 验证 98
    3.3.4 测试 .102
    3.4 模型部署 .103
    3.4.1 保存模型104
    3.4.2 部署到PyTorch Hub 105
    3.4.3 部署到生产环境 106
    第4 章 神经网络开发参考设计 107
    4.1 使用迁移学习完成图像分类 .108
    4.1.1 数据处理108
    4.1.2 模型设计 111
    4.1.3 训练和验证 113
    4.1.4 测试和部署 115
    4.2 用Torchtext 完成情感分析 117
    4.2.1 数据处理 117
    4.2.2 模型设计123
    4.2.3 训练和验证 125
    4.2.4 测试和部署 127
    4.3 生成式学习—用DCGAN 生成Fashion-MNIST 图像 129
    4.3.1 数据处理130
    4.3.2 模型设计132
    4.3.3 训练 .135
    4.3.4 测试和部署 140
    第5 章 定制PyTorch 143
    5.1 定制层和激活函数 .144
    5.1.1 定制层示例(Complex Linear) 146
    5.1.2 定制激活示例(Complex ReLU) 150
    5.2 定制模型架构 151
    5.3 定制损失函数 154
    5.4 定制优化器算法 .156
    5.5 定制训练、验证和测试循环 .160
    第6 章 PyTorch 加速和优化 . 165
    6.1 TPU 上使用PyTorch 166
    6.2 (单机)多个GPU 上使用PyTorch .170
    6.2.1 数据并行处理 .170
    6.2.2 模型并行处理 .175
    6.2.3 结合数据并行处理和模型并行处理.177
    6.3 (多机)分布式训练 180
    6.4 模型优化 .182
    6.4.1 超参数调优 182
    6.4.2 量化 .190
    6.4.3 剪枝 .194
    第7 章 PyTorch 部署到生产环境 201
    7.1 PyTorch 部署工具和库 202
    7.1.1 通用示例模型 .203
    7.1.2 Python API 204
    7.1.3 TorchScript 205
    7.1.4 TorchServe 209
    7.1.5 ONNX .218
    7.1.6 Mobile 库 219
    7.2 部署到Flask 应用 221
    7.3 Colab Flask 应用 .224
    7.4 用TorchServe 部署到云227
    7.5 Docker 快速入门.227
    7.6 部署到移动和边缘设备 229
    7.6.1 iOS229
    7.6.2 Android 232
    7.6.3 其他边缘设备 .236
    第8 章 PyTorch 生态系统和其他资源 239
    8.1 PyTorch 生态系统 240
    8.2 面向图像和视频的Torchvision 248
    8.2.1 数据集和I/O249
    8.2.2 模型 .251
    8.2.3 变换、操作和实用工具 .253
    8.3 用于NLP 的Torchtext 261
    8.3.1 创建一个数据集对象 261
    8.3.2 预处理数据 262
    8.3.3 创建一个Dataloader 批处理 263
    8.3.4 数据(torchtext.data) 264
    8.3.5 数据集(torchtext.datasets) 265
    8.3.6 词汇表(torchtext.vocab) 268
    8.4 用于可视化的TensorBoard 269
    8.4.1 SCALARS 显示学习曲线 .272
    8.4.2 GRAPHS 显示模型架构 273
    8.4.3 IMAGES、TEXT 和PROJECTOR 显示数据 .274
    8.4.4 DISTRIBUTIONS 和HISTOGRAMS 显示权重分布 .275
    8.4.5 HPARAMS 显示超参数 .276
    8.4.6 TensorBoard API 277
    8.5 Papers with Code 280
    8.6 其他PyTorch 资源 .280
    8.6.1 教程 .281
    8.6.2 图书 .283
    8.6.3 在线课程和现场培训 284

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购