PyTorch深度學習指南.卷I.編程基礎 丹尼爾.沃格特.戈多伊 9787111749783 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$630
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202403*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：PyTorch深度學習指南.卷I.編程基礎 ISBN：9787111749783 出版社：機械工業 著編譯者：丹尼爾.沃格特.戈多伊 頁數：182 所在地：中國大陸 *此為代購商品 書號：1630084 可大量預訂，請先連絡。 內容簡介 「PyTorch深度學習指南」叢書循序漸進地詳細講解了與深度學習相關的重要概念、演算法和模型，並著重展示了PyTorch是如何實現這些演算法和模型的。其共分三卷：編程基礎、計算機視覺、序列與自然語言處理。 本書為該套叢書的第一卷：編程基礎。本書主要介紹了梯度下降和PyTorch的Autograd；訓練循環、數據載入器、小批量和優化器；二元分類器、交叉熵損失和不平衡數據集；決策邊界、評估指標和數據可分離性等內容。 本書適用於對深度學習感興趣，並希望使用PyTorch實現深度學習的Python程序員閱讀學習。作者簡介 趙春江，博士，畢業於上海交通大學。在信息處理領域有著十余年豐富的教學和科研經驗。在科研方面，主持過3項省級教科研項目，在國內外期刊和會議中共發表20餘篇學術論文，其中被SCl或EI檢索共計12篇。目錄 前言致謝 關於作者 譯者序 常見問題 為什麼選擇PyTorch？ 為什麼選擇這套書？ 誰應該讀這套書？ 我需要知道什麼？ 如何閱讀這套書？ 下一步是什麼？ 設置指南 官方資料庫 環境 谷歌Colab Binder 本地安裝 繼續 第0章 可視化梯度下降 劇透 Jupyter Notebook 導入 可視化梯度下降 模型 數據生成 合成數據生成 訓練-驗證-測試拆分 第0步——隨機初始化 第1步——計算模型的預測 第2步——計算損失 損失面 橫截面 第3步——計算梯度 可視化梯度 反向傳播 第4步——更新參數 學習率 第5步——循環往複 梯度下降的路徑 回顧 第1章 一個簡單的回歸問題 劇透 Jupyter Notebook 導入 一個簡單的回歸問題 數據生成 合成數據生成 梯度下降 第0步——隨機初始化 第1步——計算模型的預測 第2步——計算損失 第3步——計算梯度 第4步——更新參數 第5步——循環往複 Numpy中的線性回歸 PyTorch 張量 載入數據、設備和CUDA 創建參數 Autograd backward grad zero_ 更新參數 no_grad 動態計算圖 優化器 step/zero_grad 損失 模型 參數 state_dict 設備 前向傳遞 訓練 嵌套模型 序列（Sequential）模型 層 歸納總結 數據準備 模型配置 模型訓練 回顧 第2章 重新思考訓練循環 劇透 Jupyter Notebook 導入 重新思考訓練循環 訓練步驟 Dataset TensorDataset DataLoader 小批量內循環 隨機拆分 評估 繪製損失 TensorBoard 在Notebook中運行 單獨運行（本地安裝） 單獨運行（Binder） SummaryWriter add_graph add_scalars 保存和載入模型 模型狀態 保存 恢復訓練 部署/做出預測 設置模型的模式 歸納總結 回顧 第2 1章 追求優雅 劇透 Jupyter Notebook 導入 追求優雅 類 構造方法 訓練方法 保存和載入方法 可視化方法 完整代碼 典型的管道 模型訓練 做出預測 檢查點 恢復訓練 歸納總結 回顧 第3章 一個簡單的分類問題 劇透 Jupyter Notebook 導入 一個簡單的分類問題 數據生成 數據準備 模型 logit 概率 比值比（Odds Ratio） 對數比值比 從logit到概率 Sigmoid 邏輯斯蒂回歸 損失 BCELoss BCEWithLogitsLoss 不平衡數據集 模型配置 模型訓練 決策邊界 分類閾值 混淆矩陣 指標 權衡和曲線 歸納總結 回顧 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
