內容提要
《深度學習框架ＰｙＴｏｒｃｈ：入門與實踐》從多維數組Ｔｅｎｓｏｒ開始，循序漸進地帶領讀者了解ＰｙＴｏｒｃｈ各方面的基礎知識。結合基礎知識和前沿研究，帶領讀者從零開始完成幾個經典有趣的深度學習小項目，包括ＧＡＮ生成動漫頭像、ＡＩ濾鏡、ＡＩ寫詩等。《深度學習框架ＰｙＴｏｒｃｈ：入門與實踐》沒有簡單機械地介紹各個函數接口的使用，而是嘗試分門別類、循序漸進地向讀者介紹ＰｙＴｏｒｃｈ的知識，希望讀者對ＰｙＴｏｒｃｈ有一個完整的認識。
《深度學習框架ＰｙＴｏｒｃｈ：入門與實踐》內容由淺入深，無論是深度學習的初學者，還是第一次接觸ＰｙＴｏｒｃｈ的研究人員，都能在學習本書的過程中快速掌握ＰｙＴｏｒｃｈ。即使是有一定ＰｙＴｏｒｃｈ使用經驗的用戶，也能夠從本書中獲得對ＰｙＴｏｒｃｈ不一樣的理解。
目錄
１ ＰｙＴｏｒｃｈ簡介
１．１ ＰｙＴｏｒｃｈ的誕生
１．２ 常見的深度學習框架簡介
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 屬于動態(tài)圖的未來
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 學習環(huán)境配置
２．２ ＰｙＴｏｒｃｈ入門第一步
２．２．１ Ｔｅｎｓｏｒ
２．２．２ Ａｕｔｏｇｒａｄ：自動微分
２．２．３ 神經網絡
２．２．４ 小試牛刀：ＣＩＦＡＲ－１０分類
３ Ｔｅｎｓｏｒ和ａｕｔｏｇｒａｄ
３．１ Ｔｅｎｓｏｒ
３．１．１ 基礎操作
３．１．２ Ｔｅｎｓｏｒ和Ｎｕｍｐｙ
３．１．３ 內部結構
３．１．４ 其他有關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 計算圖
３．２．３ 擴展ａｕｔｏｇｒａｄ
３．２．４ 小試牛刀：用Ｖａｒｉａｂｌｅ實現線性回歸
４ 神經網絡工具箱ｎｎ
４．１ ｎｎ．Ｍｏｄｕｌｅ
４．２ 常用的神經網絡層
４．２．１ 圖像相關層
４．２．２ 激活函數
４．２．３ 循環(huán)神經網絡層
４．２．４ 損失函數
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 數據處理
５．２ 計算機視覺工具包：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實戰(zhàn)指南
６．１ 編程實戰(zhàn)：貓和狗二分類
６．１．１ 比賽介紹
６．１．２ 文件組織架構
６．１．３ 關于＿＿ｉｎｉｔ＿＿．ｐｙ
６．１．４ 數據加載
６．１．５ 模型定義
６．１．６ 工具函數
６．１．７ 配置文件
６．１．８ ｍａｉｎ．ｐｙ
６．１．９ 使用
６．１．１０ 爭議
６．２ ＰｙＴｏｒｃｈ Ｄｅｂｕｇ 指南
６．２．１ ｉｐｄｂ 介紹
６．２．２ 在ＰｙＴｏｒｃｈ中Ｄｅｂｕｇ
７ ＡＩ插畫師：生成對抗網絡
７．１ ＧＡＮ的原理簡介
７．２ 用ＧＡＮ生成動漫頭像
７．３ 實驗結果分析
８ ＡＩ藝術家：神經網絡風格遷移
８．１ 風格遷移原理介紹
８．２ 用ＰｙＴｏｒｃｈ實現風格遷移
８．３ 實驗結果分析
９ ＡＩ詩人：用ＲＮＮ寫詩
９．１ 自然語言處理的基礎知識
９．１．１ 詞向量
９．１．２ ＲＮＮ
９．２ ＣｈａｒＲＮＮ
９．３ 用ＰｙＴｏｒｃｈ實現ＣｈａｒＲＮＮ
９．４ 實驗結果分析
１０ Ｉｍａｇｅ Ｃａｐｔｉｏｎ：讓神經網絡看圖講故事
１０．１ 圖像描述介紹
１０．２ 數據
１０．２．１ 數據介紹
１０．２．２ 圖像數據處理
１０．２．３ 數據加載
１０．３ 模型與訓練
１０．４ 實驗結果分析
１１ 展望與未來
１１．１ ＰｙＴｏｒｃｈ的局限與發(fā)展
１１．２ 使用建議
