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深度学习入门与实战 王宇龙 编 专业科技 文轩网
  • 新华书店正版
    • 作者: 暂无著
    • 出版社: 其他
    • 出版时间:2020-09-01 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: 暂无著
    • 出版社:其他
    • 出版时间:2020-09-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2020-09-01
    • 字数:265000
    • 页数:216
    • 开本:16开
    • 装帧:平装
    • ISBN:9787113270049
    • 国别/地区:中国
    • 版权提供:其他

    PyTorch深度学习入门与实战

    作  者:王宇龙 编
    定  价:69.8
    出 版 社:中国铁道出版社有限公司
    出版日期:2020年09月01日
    页  数:216
    装  帧:平装
    ISBN:9787113270049
    主编推荐

    中国科学院院士,清华大学人工智能研究院院长张钹倾力推荐 详解PyTorch框架分布式计算、CUDA扩展等高级使用技巧 涵盖图像分类、文本处理、物体定位、自动架构搜索等诸多领域实战案例 丰富的新科研成果引用展示,紧跟人工智能发展前沿 提供完整源代码文件

    内容简介

    书中以案例形式详细介绍了PyTorch的各种实战应用。具体内容包括PyTorch与TensorFlow的对比和PyTorch的发展现状,张量Tensor和自动微分Autograd及其具体应用,PyTorch构建神经网络,基于PyTorch构建复杂应用,PyTorch高级技巧与实战应用,网络剪枝应用。
    本书内容由浅入深,适合深度学习的初学者阅读学习,可帮助机器学习、计算机学科相关专业的学生或从业人员快速掌握PyTorch。

    作者简介

    精彩内容

    目录
    第1章PyTorch简介
    1.1深度学习简介1
    1.2PyTorch的由来2
    1.2.1深度学习框架回顾2
    1.2.2PyTorch前身:Torch74
    1.2.3Torch7的重生5
    1.3PyTorch与TensorFlow对比5
    1.3.1TensorFlow简介6
    1.3.2动静之争6
    1.3.3二者借鉴融合7
    1.3.4PyTorch的优势7
    1.4PyTorch发展现状8
    1.4.1主要版本特点回顾8
    1.4.2准备工作8
    第2章PyTorch基础计算
    2.1PyTorch核心基础概念:张量Tensor11
    2.1.1Tensor基本介绍11
    2.1.2Tensor数学运算操作15
    2.1.3Tensor索引分片合并变换操作20
    2.1.4Tensor类成员方法22
    2.1.5在GPU上计算24
    2.2PyTorch可微编程核心:自动微分Autograd25
    2.2.1PyTorch自动微分简介25
    2.2.2可微分张量25
    2.2.3利用自动微分求梯度26
    2.2.4Function:自动微分实现基础29
    2.2.5注意事项31
    2.3PyTorch应用实战一:实现卷积操作34
    2.3.1卷积操作34
    2.3.2利用张量操作实现卷积36
    2.4PyTorch应用实战二:实现卷积神经网络进行图像分类38
    第3章PyTorch构建神经网络
    3.1PyTorch神经网络计算核心:torch.nn43
    3.1.1nn.Module概述43
    3.1.2结构化构建神经网络47
    3.1.3经典神经网络层介绍49
    3.1.4函数式操作nn.functional53
    3.2PyTorch优化器55
    3.2.1torch.optim概述55
    3.2.2经典优化器介绍56
    3.2.3学习率调整57
    3.3PyTorch应用实战一:实现二值化神经网络59
    3.3.1二值化网络BinaryNet概述59
    3.3.2具体实现60
    3.4PyTorch应用实战二:利用LSTM实现文本情感分类63
    3.4.1文本情感分类63
    3.4.2具体实现65
    第4章基于PyTorch构建复杂应用
    4.1PyTorch数据加载70
    4.1.1数据预处理:torchvision.transforms70
    4.1.2数据加载:torch.utils.data73
    4.2PyTorch模型搭建77
    4.2.1经典模型复用与分享:torchvision.models78
    4.2.2模型加载与保存79
    4.2.3导出为ONNX格式85
    4.3训练过程中日志记录与可视化89
    4.4PyTorch应用实战一:在CIFAR10数据集进行神经网络结构搜索93
    4.4.1可微分网络架构搜索DARTS介绍94
    4.4.2简化问题建模:以ResNet为例95
    4.4.3具体实现96
    4.5PyTorch应用实战二:在ImageNet数据集进行弱监督物体定位108
    4.5.1GradCAM解释显著图方法介绍108
    4.5.2弱监督物体定位任务109
    4.5.3具体实现110
    第5章PyTorch高级技巧与实战应用
    5.1PyTorch并行计算118
    5.1.1大规模数据集加载118
    5.1.2模型的高效并行计算122
    5.1.3加速模型计算和减少显存使用125
    5.2扩展PyTorch126
    5.2.1利用C++和CUDA实现自定义算子126
    5.2.2利用TorchScript导出PyTorch模型136
    5.3丰富的PyTorch资源介绍145
    5.4PyTorch应用实战一:在ImageNet上训练MobileNet-V2网络146
    5.4.1MobileNet-V2网络介绍146
    5.4.2具体实现147
    5.5PyTorch应用实战二:利用CUDA扩展实现MixConv算子157
    5.5.1MixConv算子介绍157
    5.5.2借鉴Depthwise卷积实现思路158
    5.5.3具体实现160
    第6章PyTorch完整实战讲解——网络剪枝应用
    6.1网络剪枝介绍169
    6.1.1剪枝方法分类169
    6.1.2基于权重通道重要性的结构化剪枝170
    6.1.3问题定义与建模170
    6.2具体实现思路171
    6.2.1如何附属控制门值171
    6.2.2剪枝结构搜索172
    6.2.3剪枝模型训练174
    6.3完整代码实现175
    6.3.1模型搭建176
    6.3.2剪枝器实现181
    6.3.3学习控制门变量183
    6.3.4剪枝模型187
    6.3.5训练模型189
    6.3.6规模化启动训练任务193
    6.4实验结果198
    参考文献

    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