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深度学习指南 卷1 编程基础 (巴西)丹尼尔·沃格特·戈多伊 著 赵春江 译 专业科技 文轩网
  • 新华书店正版
    • 作者: [巴西]丹尼尔·沃格特·戈多伊(Daniel Voigt Godoy)著
    • 出版社: 机械工业出版社
    • 出版时间:2024-03-01 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: [巴西]丹尼尔·沃格特·戈多伊(Daniel Voigt Godoy)著
    • 出版社:机械工业出版社
    • 出版时间:2024-03-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2024-03-01
    • 字数:294
    • 页数:182
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111749783
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    PyTorch深度学习指南 卷1 编程基础

    作  者:(巴西)丹尼尔·沃格特·戈多伊 著 赵春江 译
    定  价:99
    出 版 社:机械工业出版社
    出版日期:2024年03月01日
    页  数:192
    装  帧:平装
    ISBN:9787111749783
    主编推荐

    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null

    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。 本书为该套丛书的第一卷: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。

    作者简介

    精彩内容

    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



    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



    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

    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