內(nèi)容提要
《深度學(xué)習(xí)框架ＰｙＴｏｒｃｈ：入門與實(shí)踐》從多維數(shù)組Ｔｅｎｓｏｒ開(kāi)始，循序漸進(jìn)地帶領(lǐng)讀者了解ＰｙＴｏｒｃｈ各方面的基礎(chǔ)知識(shí)。結(jié)合基礎(chǔ)知識(shí)和前沿研究，帶領(lǐng)讀者從零開(kāi)始完成幾個(gè)經(jīng)典有趣的深度學(xué)習(xí)小項(xiàng)目，包括ＧＡＮ生成動(dòng)漫頭像、ＡＩ濾鏡、ＡＩ寫(xiě)詩(shī)等。《深度學(xué)習(xí)框架ＰｙＴｏｒｃｈ：入門與實(shí)踐》沒(méi)有簡(jiǎn)單機(jī)械地介紹各個(gè)函數(shù)接口的使用，而是嘗試分門別類、循序漸進(jìn)地向讀者介紹ＰｙＴｏｒｃｈ的知識(shí)，希望讀者對(duì)ＰｙＴｏｒｃｈ有一個(gè)完整的認(rèn)識(shí)。
《深度學(xué)習(xí)框架ＰｙＴｏｒｃｈ：入門與實(shí)踐》內(nèi)容由淺入深，無(wú)論是深度學(xué)習(xí)的初學(xué)者，還是第一次接觸ＰｙＴｏｒｃｈ的研究人員，都能在學(xué)習(xí)本書(shū)的過(guò)程中快速掌握ＰｙＴｏｒｃｈ。即使是有一定ＰｙＴｏｒｃｈ使用經(jīng)驗(yàn)的用戶，也能夠從本書(shū)中獲得對(duì)ＰｙＴｏｒｃｈ不一樣的理解。
目錄
１ ＰｙＴｏｒｃｈ簡(jiǎn)介
１．１ ＰｙＴｏｒｃｈ的誕生
１．２ 常見(jiàn)的深度學(xué)習(xí)框架簡(jiǎn)介
１．２．１ Ｔｈｅａｎｏ
１．２．２ ＴｅｎｓｏｒＦｌｏｗ
１．２．３ Ｋｅｒａｓ
１．２．４ Ｃａｆｆｅ／Ｃａｆｆｅ２
１．２．５ ＭＸＮｅｔ
１．２．６ ＣＮＴＫ
１．２．７ 其他框架
１．３ 屬于動(dòng)態(tài)圖的未來(lái)
１．４ 為什么選擇ＰｙＴｏｒｃｈ
１．５ 星火燎原
１．６ ｆａｓｔ．ａｉ 放棄Ｋｅｒａｓ＋ＴｅｎｓｏｒＦｌｏｗ選擇ＰｙＴｏｒｃｈ
２ 快速入門
２．１ 安裝與配置
２．１．１ 安裝ＰｙＴｏｒｃｈ
２．１．２ 學(xué)習(xí)環(huán)境配置
２．２ ＰｙＴｏｒｃｈ入門第一步
２．２．１ Ｔｅｎｓｏｒ
２．２．２ Ａｕｔｏｇｒａｄ：自動(dòng)微分
２．２．３ 神經(jīng)網(wǎng)絡(luò)
２．２．４ 小試牛刀：ＣＩＦＡＲ－１０分類
３ Ｔｅｎｓｏｒ和ａｕｔｏｇｒａｄ
３．１ Ｔｅｎｓｏｒ
３．１．１ 基礎(chǔ)操作
３．１．２ Ｔｅｎｓｏｒ和Ｎｕｍｐｙ
３．１．３ 內(nèi)部結(jié)構(gòu)
３．１．４ 其他有關(guān)Ｔｅｎｓｏｒ的話題
３．１．５ 小試牛刀：線性回歸
３．２ ａｕｔｏｇｒａｄ
３．２．１ Ｖａｒｉａｂｌｅ
３．２．２ 計(jì)算圖
３．２．３ 擴(kuò)展ａｕｔｏｇｒａｄ
３．２．４ 小試牛刀：用Ｖａｒｉａｂｌｅ實(shí)現(xiàn)線性回歸
４ 神經(jīng)網(wǎng)絡(luò)工具箱ｎｎ
４．１ ｎｎ．Ｍｏｄｕｌｅ
４．２ 常用的神經(jīng)網(wǎng)絡(luò)層
４．２．１ 圖像相關(guān)層
４．２．２ 激活函數(shù)
４．２．３ 循環(huán)神經(jīng)網(wǎng)絡(luò)層
４．２．４ 損失函數(shù)
４．３ 優(yōu)化器
４．４ ｎｎ．ｆｕｎｃｔｉｏｎａｌ
４．５ 初始化策略
４．６ ｎｎ．Ｍｏｄｕｌｅ深入分析
４．７ ｎｎ和ａｕｔｏｇｒａｄ的關(guān)系
４．８ 小試牛刀：用５０行代碼搭建ＲｅｓＮｅｔ
５ ＰｙＴｏｒｃｈ中常用的工具
５．１ 數(shù)據(jù)處理
５．２ 計(jì)算機(jī)視覺(jué)工具包：ｔｏｒｃｈｖｉｓｉｏｎ
５．３ 可視化工具
５．３．１ Ｔｅｎｓｏｒｂｏａｒｄ
５．３．２ ｖｉｓｄｏｍ
５．４ 使用ＧＰＵ加速：ｃｕｄａ
５．５ 持久化
６ ＰｙＴｏｒｃｈ實(shí)戰(zhàn)指南
６．１ 編程實(shí)戰(zhàn)：貓和狗二分類
６．１．１ 比賽介紹
６．１．２ 文件組織架構(gòu)
６．１．３ 關(guān)于＿＿ｉｎｉｔ＿＿．ｐｙ
６．１．４ 數(shù)據(jù)加載
６．１．５ 模型定義
６．１．６ 工具函數(shù)
６．１．７ 配置文件
６．１．８ ｍａｉｎ．ｐｙ
６．１．９ 使用
６．１．１０ 爭(zhēng)議
６．２ ＰｙＴｏｒｃｈ Ｄｅｂｕｇ 指南
６．２．１ ｉｐｄｂ 介紹
６．２．２ 在ＰｙＴｏｒｃｈ中Ｄｅｂｕｇ
７ ＡＩ插畫(huà)師：生成對(duì)抗網(wǎng)絡(luò)
７．１ ＧＡＮ的原理簡(jiǎn)介
７．２ 用ＧＡＮ生成動(dòng)漫頭像
７．３ 實(shí)驗(yàn)結(jié)果分析
８ ＡＩ藝術(shù)家：神經(jīng)網(wǎng)絡(luò)風(fēng)格遷移
８．１ 風(fēng)格遷移原理介紹
８．２ 用ＰｙＴｏｒｃｈ實(shí)現(xiàn)風(fēng)格遷移
８．３ 實(shí)驗(yàn)結(jié)果分析
９ ＡＩ詩(shī)人：用ＲＮＮ寫(xiě)詩(shī)
９．１ 自然語(yǔ)言處理的基礎(chǔ)知識(shí)
９．１．１ 詞向量
９．１．２ ＲＮＮ
９．２ ＣｈａｒＲＮＮ
９．３ 用ＰｙＴｏｒｃｈ實(shí)現(xiàn)ＣｈａｒＲＮＮ
９．４ 實(shí)驗(yàn)結(jié)果分析
１０ Ｉｍａｇｅ Ｃａｐｔｉｏｎ：讓神經(jīng)網(wǎng)絡(luò)看圖講故事
１０．１ 圖像描述介紹
１０．２ 數(shù)據(jù)
１０．２．１ 數(shù)據(jù)介紹
１０．２．２ 圖像數(shù)據(jù)處理
１０．２．３ 數(shù)據(jù)加載
１０．３ 模型與訓(xùn)練
１０．４ 實(shí)驗(yàn)結(jié)果分析
１１ 展望與未來(lái)
１１．１ ＰｙＴｏｒｃｈ的局限與發(fā)展
１１．２ 使用建議
