PyTorch實戰 阿施.拉賈漢.賈 9787121475535 【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：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$1,005
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實戰 ISBN：9787121475535 出版社：電子工業 著編譯者：阿施.拉賈漢.賈 頁數：406 所在地：中國大陸 *此為代購商品 書號：1630086 可大量預訂，請先連絡。 內容簡介 本書以PyTorch作為深度學習框架，主要包括4部分。第1部分（第1、2章），主要概述PyTorch基礎知識與常見深度學習演算法實現，例如，CNN、LSTM，即CNN-LSTM；第2部分（第3∼5章）高級神經網路實現，主要包括常見的深度學習網路結構，例如CNN、RNN及最新的Transformer等模型；第3部分（第6∼9章）生成式AI和深度強化學習，主要包括GAN、GPT和DQN等演算法；第4部分（第10∼14章）生產中PyTorch落地的幾個關鍵性主題，分散式訓練、自動機器學習管道構建和硬體快速部署。 本書內容翔實，以案例作為場景，通過PyTorch深度學習框架對AI演算法進行了實現，適合對人工智慧感興趣的高校教師、企業工程師及對AI演算法感興趣的技術人員和研究人員閱讀。作者簡介 劉志紅，主要從事人工智慧、現代軟體工程、雲計算技術及數據科學等前沿交叉研究。元培工匠高級智庫客座教授，河北東方學院人工智慧學院特聘教授。曾在Oracle、NTTDATA、中國電信雲計算公司等多家世界500強企業從事研發工作。出版多部著作和譯作，包括《基於Kubernetes的DevOps實踐：容器加速軟體交付》、《Open-Daylight應用寶典：從傳統網路遷移到軟體定義網路指南》等，擁有軟體著作權1項。目錄 第1部分 PyTorch概述第1章 使用PyTorch概述深度學習 1 1 技術要求 1 2 回顧深度學習 1 2 1 激活函數 1 2 2 優化模式 1 3 探索PyTorch庫 1 3 1 PyTorch模塊 1 3 2 Tensor模塊 1 4 使用PyTorch訓練神經網路 1 5 總結 第2章 結合CNN和LSTM 2 1 技術要求 2 2 使用CNN和LSTM構建神經網路 2 3 使用PyTorch構建圖像文字描述生成器 2 3 1 下載圖像文字描述數據集 2 3 2 預處理文字描述（文本）數據 2 3 3 預處理圖像數據 2 3 4 定義圖像文字描述數據載入器 2 3 5 定義CNN-LSTM模型 2 3 6 訓練CNN-LSTM模型 2 3 7 使用已經訓練的模型生成圖像文字描述 2 4 總結 第2部分 使用高級神經網路架構 第3章 深度CNN架構 3 1 技術要求 3 2 為什麼CNN如此強大？ 3 3 CNN架構的演變 3 4 從零開始開發LeNet 3 4 1 使用PyTorch構建LeNet 3 4 2 訓練LeNet 3 4 3 測試LeNet 3 5 微調AlexNet模型 3 6 運行預訓練的VGG模型 3 7 探索GoogLeNet和Inceptionv3 3 7 1 Inception模塊 3 7 21 ×1卷積 3 7 3 全局平均池化 3 7 4 輔助分類器 3 7 5 Inceptionv3 3 8 討論ResNet和DenseNet架構 3 9 了解EfficientNets和CNN架構的未來 3 10 總結 第4章 深度循環模型架構 4 1 技術要求 4 2 探索循環網路的演變 4 2 1 循環神經網路的類型 4 2 2 RNN 4 2 3 雙向RNN 4 2 4 LSTM 4 2 5 擴展和雙向LSTM 4 2 6 多維RNN 4 2 7 堆疊LSTM 4 2 8 GRU 4 2 9 GridLSTM 4 2 10 門控正交循環單元 4 3 訓練RNN進行情感分析 4 3 1 載入和預處理文本數據集 4 3 2 實例化和訓練模型 4 4 構建雙向LSTM 4 4 1 載入和預處理文本數據集 4 4 2 實例化和訓練LSTM模型 4 5 討論GRU和基於注意力的模型 4 5 1 GRU和PyTorch 4 5 2 基於注意力的模型 4 6 總結 第5章 混合高級模型 5 1 技術要求 5 2 構建用於語言建模的Transformer模型 5 2 1 回顧語言建模 5 2 2 理解Transforms模型架構 5 3 從頭開始開發RandWireNN模型 5 3 1 理解RandWireNN 5 3 2 使用PyTorch開發RandWireNN 5 4 總結 第3部分 生成模型和深度強化學習 第6章 使用PyTorch生成音樂和文本 6 1 技術要求 6 2 使用PyTorch構建基於Transformer的文本生成器 6 2 1 訓練基於Transformer的語言模型 6 2 2 保存和載入語言模型 6 2 3 使用語言模型生成文本 6 3 使用預訓練的GPT-2模型作為文本生成器 6 3 1 使用GPT-2生成便捷的文本 6 3 2 使用PyTorch的文本生成策略 6 4 使用PyTorch與LSTM生成MIDI音樂 6 4 1 載入MIDI音樂數據 6 4 2 定義LSTM模型和訓練常式 6 4 3 訓練和測試音樂生成模型 6 5 總結 第7章 神經風格轉移 7 1 技術要求 7 2 理解如何在圖像之間傳遞風格 7 3 使用PyTorch實現神經風格遷移 7 3 1 載入內容圖像和風格圖像 7 3 2 構建神經風格遷移模型 7 3 3 訓練風格遷移模型 7 3 4 嘗試風格遷移系統 7 4 總結 第8章 深度卷積GAN 8 1 技術要求 8 2 定義生成器和判別器網路 8 3 使用PyTorch訓練DCGAN 8 3 1 定義生成器 8 3 2 定義判別器 8 3 3 載入圖像數據集 8 3 4 DCGAN的訓練循環 8 4 使用GAN進行風格遷移 8 5 總結 第9章 深度強化學習 9 1 技術要求 9 2 回顧強化學習概念 9 2 1 強化學習演算法類型 9 3 討論Q-學習 9 4 理解深度Q-學習 9 4 1 使用兩個獨立的DNN 9 4 2 經驗回放緩衝器 9 5 在PyTorch中構建DQN模型 9 5 1 初始化主和目標CNN模型 9 5 2 定義經驗回放緩衝區 9 5 3 設置環境 9 5 4 定義CNN優化函數 9 5 5 管理和運行迭代 9 5 6 訓練DQN模型以學習Pong 9 6 總結 第4部分 生產系統中的PyTorch 第10章 將PyTorch模型投入生產中 10 1 技術要求 10 2 PyTorch中的模型服務 10 2 1 創建PyTorch模型推理流水線 10 2 2 構建基本模型伺服器 10 2 3 創建模型微服務 10 3 使用TorchServe為PyTorch模型提供服務 10 3 1 安裝TorchServe 10 3 2 啟動和使用TorchServe伺服器 10 4 使用TorchScript和ONNX導出通用PyTorch模型 10 4 1 了解TorchScript的功能 10 4 2 使用TorchScript進行模型跟蹤 10 4 3 使用TorchScript編寫模型腳本 10 4 4 在C++中運行PyTorch模型 10 4 5 使用ONNX導出PyTorch模型 10 5 在雲端提供PyTorch模型 10 5 1 將PyTorch與AWS結合使用 1 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。 |
