PyTorch深度學習實戰-構建、訓練和部署神經網絡模型 (原書第2版) 9787111759195 米什拉
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$693
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：202408*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深度學習實戰-構建、訓練和部署神經網絡模型 (原書第2版) ISBN：9787111759195 出版社：機械工業 著編譯者：米什拉 叢書名：人工智慧開發與實戰叢書 頁數：276 所在地：中國大陸 *此為代購商品 書號：1670880 可大量預訂，請先連絡。 【台灣高等教育出版社簡體書】 PyTorch深度學習實戰-構建、訓練和部署神經網絡模型 (原書第2版) 787111759195 米什拉 內容簡介 本書提供使用PyTorch開發深度學習應用程序的基本原理和方法，旨在為讀者介紹機器學習工程師和數據科學家在解決深度學習問題中所採用的主流現代演算法與技術，緊跟深度學習領域的最新發展趨勢，助力初學者熟練掌握PyTorch。本書的核心優勢在於，採用易於理解的問題與解決方案的結構，全面而詳盡地講解了PyTorch的使用方法，並提供了大量相應的代碼示例，以便將這些概念順利應用於實際項目中。 本書適合對計算機視覺、自然語言處理等領城感興趣的人士閱讀。對於希望在深度學習任務中運用PyTorch的讀者，本書將是一本實用的指南。作者簡介 普拉迪帕塔·米什拉(Pradeepta Mishra)，數據科學家、預測模型專家、深度學習和機器學習實踐者、計量經濟學家，目前在印度班加羅爾的Ma Foi Analytics主導數據科學和機器學習實踐。他持有零售行業中增強貨架圖設計的專利，並且在艾哈邁德巴德印度管理學院就讀期間發表了相關的研究論文。他現在還是很多頂尖商科院校的客座教師，經常開展數據科學和機器學習的講座。目錄 譯者序關於作者 關於技術審查員 致謝 前言 第1章 PyTorch入門，張量與張量運算 什麼是PyTorch PyTorch安裝 秘籍1-1 張量的使用 小結 第2章 使用PyTorch中的概率分佈 秘籍2-1 採樣張量 秘籍2-2 可變張量 秘籍2-3 統計學基礎 秘籍2-4 梯度計算 秘籍2-5 張量運算之一 秘籍2-6 張量運算之二 秘籍2-7 統計分佈 小結 第3章 使用PyTorch中的卷積神經網路和循環神經網路 秘籍3-1 設置損失函數 秘籍3-2 估計損失函數的導數 秘籍3-3 模型微調 秘籍3-4 優化函數選擇 秘籍3-5 進一步優化函數 秘籍3-6 實現卷積神經網路 秘籍3-7 模型重載 秘籍3-8 實現循環神經網路 秘籍3-9 實現用於回歸問題的循環神經網路 秘籍3-10 使用PyTorch內置的循環神經網路函數 秘籍3-11 使用自編碼器（Autoencoder） 秘籍3-12 使用自編碼器實現結果微調 秘籍3-13 約束模型過擬合 秘籍3-14 可視化模型過擬合 秘籍3-15 初始化權重中的丟棄率 秘籍3-16 添加數學運算 秘籍3-17 循環神經網路中的嵌入層 小結 第4章 PyTorch中的神經網路簡介 秘籍4-1 激活函數的使用 秘籍4-2 激活函數可視化 秘籍4-3 基本的神經網路模型 秘籍4-4 張量微分 小結 第5章 PyTorch中的監督學習 秘籍5-1 監督模型的數據準備 秘籍5-2 前向和反向傳播神經網路 秘籍5-3 優化和梯度計算 秘籍5-4 查看預測結果 秘籍5-5 監督模型邏輯回歸 小結 第6章 使用PyTorch對深度學習模型進行微調 秘籍6-1 構建順序神經網路 秘籍6-2 確定批量的大小 秘籍6-3 確定學習率 秘籍6-4 執行并行訓練 小結 第7章 使用PyTorch進行自然語言處理 秘籍7-1 詞嵌入 秘籍7-2 使用PyTorch創建CBOW模型 秘籍7-3 LSTM模型 小結 第8章 分散式PyTorch建模、模型優化和部署 秘籍8-1 分散式Torch架構 秘籍8-2 Torch分散式組件 秘籍8-3 設置分散式PyTorch 秘籍8-4 載入數據到分散式PyTorch 秘籍8-5 PyTorch中的模型量化 秘籍8-6 量化觀察器應用 秘籍8-7 使用MNIST數據集應用量化技術 小結 第9章 圖像和音頻的數據增強、特徵工程和提取 秘籍9-1 音頻處理中的頻譜圖 秘籍9-2 安裝Torchaudio 秘籍9-3 將音頻文件載入到PyTorch中 秘籍9-4 安裝用於音頻的Librosa庫 秘籍9-5 頻譜圖變換 秘籍9-6 Griffin-Lim變換 秘籍9-7 使用濾波器組進行梅爾尺度轉換 秘籍9-8 Librosa的梅爾尺度轉換與Torchaudio版本對比 秘籍9-9 使用Librosa和Torchaudio進行MFCC和LFCC 秘籍9-10 圖像數據增強 小結 第10章 PyTorch模型可解釋性和Skorch 秘籍10-1 安裝Captum庫 秘籍10-2 主要歸因：深度學習模型的特徵重要性 秘籍10-3 深度學習模型中神經元的重要性 秘籍10-4 安裝Skorch庫 秘籍10-5 Skorch組件在神經網路分類器中的應用 秘籍10-6 Skorch神經網路回歸器 秘籍10-7 Skorch模型的保存和載入 秘籍10-8 使用Skorch創建神經網路模型流水線 秘籍10-9 使用Skorch進行神經網路模型的輪次評分 秘籍10-10 使用Skorch進行超參數的網格搜索 小結 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。 |
