谁知我电子书电子书下载 -- 最新最全的电子书下载网欢迎您^_^

logo

PyTorch 机器学习从入门到实战下载

PyTorch 机器学习从入门到实战

  • 电子书名称:PyTorch 机器学习从入门到实战
  • 电子书分类:科技
  • 电子书作者:校宝在线 孙琳 蒋阳波 汪建成 项斌
  • 电子书类型:TXT/PDF
  • 信息来源:豆瓣
  • ISBN: 9787111610458
  • 出版时间: 2018-11
  • 出版社: 机械工业出版社

文档说明:

  • 一、《PyTorch 机器学习从入门到实战》是作者【校宝在线 孙琳 蒋阳波 汪建成 项斌】创作的原创小说作品!
  • 二、谁知我电子书免费提供TXT小说,TXT电子书下载。本站所有电子书资源均由网友提供的网盘,所有资源本站不负责保存,如果您认为本站的内容侵犯了您的版权,联系我们将在第一时间将该链接删除。本站不负一切责任!

热门科技类电子书下载

  • 1 通用源码阅读指 [下载]
  • 2 Hands-On Machi [下载]
  • 3 行政处罚办案程 [下载]
  • 4 数字思维 [下载]
  • 5 Python深度学习 [下载]
  • 6 算法详解(卷1 [下载]
  • 7 区块链实战:从 [下载]
  • 8 智慧的疆界 [下载]
  • 9 PyTorch 机器学 [下载]
  • 10 信息传 [下载]
  • 11 浪潮之巅(第四 [下载]
  • 12 机器学习实战: [下载]
  • 13 交往在云端 [下载]
  • 14 深入浅出图神经 [下载]
  • 15 深入理解神经网 [下载]
  • 16 JavaScript高级 [下载]
  • 17 深度学习的数学 [下载]
  • PyTorch 机器学习从入门到实战目录

    前言
    第 1 章 深度学习介绍......................................................................................... 1
    1.1 人工智能、机器学习与深度学习 .................................................................. 2
    1.2 深度学习工具介绍 .......................................................................................... 5
    1.3 PyTorch 介绍.................................................................................................... 7
    1.4 你能从本书中学到什么 .................................................................................. 9
    第 2 章 PyTorch 安装和快速上手 ...................................................................... 11
    2.1 PyTorch 安装.................................................................................................. 12
    2.1.1 Anaconda 安装.................................................................................... 12
    2.1.2 PyTorch 安装....................................................................................... 19
    2.2 Jupyter Notebook 使用................................................................................... 19
    2.3 NumPy 基础知识........................................................................................... 22
    2.3.1 基本概念 ............................................................................................. 23
    2.3.2 创建数组 ............................................................................................. 24
    2.3.3 基本运算 ............................................................................................. 26
    2.3.4 索引、切片和迭代 ............................................................................. 27
    2.3.5 数组赋值 ............................................................................................. 32
    2.3.6 更改数组的形状 ................................................................................. 33
    2.3.7 组合、拆分数组 ................................................................................. 34
    2.3.8 广播 ..................................................................................................... 35
    2.4 PyTorch 基础知识.......................................................................................... 37
    2.4.1 Tensor 简介 ......................................................................................... 37
    2.4.2 Variable 简介....................................................................................... 37VIII
    PyTorch 机器学习从入门到实战
    2.4.3 CUDA 简介......................................................................................... 38
    2.4.4 模型的保存与加载 ............................................................................. 39
    2.4.5 第一个 PyTorch 程序.......................................................................... 39
    第 3 章 神经网络 .............................................................................................. 42
    3.1 神经元与神经网络 ........................................................................................ 43
    3.2 激活函数 ........................................................................................................ 45
    3.2.1 Sigmoid ................................................................................................ 46
    3.2.2 Tanh ..................................................................................................... 47
    3.2.3 Hard Tanh ............................................................................................ 48
    3.2.4 ReLU ................................................................................................... 49
    3.2.5 ReLU 的扩展 ...................................................................................... 50
    3.2.6 Softmax ................................................................................................ 53
    3.2.7 LogSoftmax ......................................................................................... 54
    3.3 前向算法 ........................................................................................................ 54
    3.4 损失函数 ........................................................................................................ 56
    3.4.1 损失函数的概念 ................................................................................. 56
    3.4.2 回归问题 ............................................................................................. 56
    3.4.3 分类问题 ............................................................................................. 57
    3.4.4 PyTorch 中常用的损失函数............................................................... 58
    3.5 后向算法 ........................................................................................................ 61
    3.6 数据的准备 .................................................................................................... 64
    3.7 实例:单层神经网络 .................................................................................... 65
    第 4 章 深层神经网络及训练............................................................................ 69
    4.1 深层神经网络 ................................................................................................ 71
    4.1.1 神经网络为何难以训练 ..................................................................... 71
    4.1.2 改进策略 ............................................................................................. 73
    4.2 梯度下降 ........................................................................................................ 73
    4.2.1 随机梯度下降 ..................................................................................... 73
    4.2.2 Mini-Batch 梯度下降.......................................................................... 74
    4.3 优化器 ............................................................................................................ 75
    4.3.1 SGD ..................................................................................................... 76
    4.3.2 Momentum .......................................................................................... 76
    4.3.3 AdaGrad .............................................................................................. 77
    4.3.4 RMSProp ............................................................................................. 78IX
    目 录
    4.3.5 Adam ................................................................................................... 79
    4.3.6 选择正确的优化算法 ......................................................................... 79
    4.3.7 优化器的使用实例 ............................................................................. 80
    4.4 正则化 ............................................................................................................ 83
    4.4.1 参数规范惩罚 ..................................................................................... 84
    4.4.2 Batch Normalization ............................................................................ 84
    4.4.3 Dropout ................................................................................................ 85
    4.5 实例:MNIST 深层神经网络....................................................................... 87
    第 5 章 卷积神经网络....................................................................................... 91
    5.1 计算机视觉 .................................................................................................... 93
    5.1.1 人类视觉和计算机视觉 ..................................................................... 93
    5.1.2 特征提取 ............................................................................................. 93
    5.1.3 数据集 ................................................................................................. 95
    5.2 卷积神经网络 ................................................................................................ 98
    5.2.1 卷积层 ............................................................................................... 100
    5.2.2 池化层 ............................................................................................... 102
    5.2.3 经典卷积神经网络 ........................................................................... 103
    5.3 MNIST 数据集上卷积神经网络的实现..................................................... 108
    第 6 章 嵌入与表征学习 .................................................................................. 112
    6.1 PCA .............................................................................................................. 113
    6.1.1 PCA 原理 .......................................................................................... 113
    6.1.2 PCA 的 PyTorch 实现....................................................................... 114
    6.2 自动编码器 .................................................................................................. 115
    6.2.1 自动编码器原理 ............................................................................... 116
    6.2.2 自动解码器的 PyTorch 实现............................................................ 116
    6.2.3 实例:图像去噪 ............................................................................... 120
    6.3 词嵌入 .......................................................................................................... 123
    6.3.1 词嵌入原理 ....................................................................................... 123
    6.3.2 实例:基于词向量的语言模型实现 ............................................... 126
    第 7 章 序列预测模型..................................................................................... 130
    7.1 序列数据处理 .............................................................................................. 131
    7.2 循环神经网络 .............................................................................................. 132
    7.3 LSTM 和 GRU ............................................................................................. 136X
    PyTorch 机器学习从入门到实战
    7.4 LSTM 在自然语言处理中的应用............................................................... 140
    7.4.1 词性标注 ........................................................................................... 140
    7.4.2 情感分析 ........................................................................................... 142
    7.5 串到串网络 .................................................................................................. 143
    7.5.1 串到串网络原理 ............................................................................... 143
    7.5.2 注意力机制 ....................................................................................... 144
    7.6 实例:基于 GRU 和 Attention 的机器翻译............................................... 145
    7.6.1 公共模块 ........................................................................................... 145
    7.6.2 数据处理 ........................................................................................... 145
    7.6.3 模型定义 ........................................................................................... 149
    7.6.4 训练模块定义 ................................................................................... 153
    7.6.5 训练和模型保存 ............................................................................... 159
    7.6.6 评估过程 ........................................................................................... 161
    第 8 章 PyTorch 项目实战 .............................................................................. 163
    8.1 图像识别和迁移学习——猫狗大战 .......................................................... 164
    8.1.1 迁移学习介绍 ................................................................................... 164
    8.1.2 计算机视觉工具包 ........................................................................... 164
    8.1.3 猫狗大战的 PyTorch 实现................................................................ 165
    8.2 文本分类 ...................................................................................................... 170
    8.2.1 文本分类的介绍 ............................................................................... 171
    8.2.2 计算机文本工具包 ........................................................................... 172
    8.2.3 基于 CNN 的文本分类的 PyTorch 实现 ......................................... 172
    8.3 语音识别系统介绍 ...................................................................................... 180
    8.3.1 语音识别介绍 ................................................................................... 181
    8.3.2 命令词识别的 PyTorch 实现............................................................ 181
    · · · · · ·

    PyTorch 机器学习从入门到实战下载链接

     

    最新科技类电子书下载

  • 1 通用源码阅读指导书 [下载]
  • 2 JavaScript高级程序 [下载]
  • 3 坏血 [下载]
  • 4 步步为赢 [下载]
  • 5 统计学习方法(第2 [下载]
  • 6 浪潮之巅(第四版) [下载]
  • 7 创新者 [下载]
  • 8 深入理解神经网络 [下载]
  • 9 信息传 [下载]
  • 10 复杂生命的起源 [下载]
  • 11 刑法学讲义 [下载]
  • 12 决胜UX [下载]
  • 13 Python深度学习 [下载]
  • 14 深度学习推荐系统 [下载]
  • 15 运营之光 [下载]
  • 16 Hands-On Machine L [下载]
  • 17 机器学习实战:基于 [下载]
  • 下载须知:本站所有电子书资源由网友提供,如有失效链接,请更换资源后再次下载;所有资源本站不负责保存。

    电子书下载txt免费下载 txt电子书免费下载全集全本完结 小说下载 txt 电子书 免费下载全本 谁知我电子书

    热门标签

    Copyright @ 2014-2020 ALL Rights Reserved. 谁知我电子书