作品简介

近年来,基于深度学习的人工智能掀起了一股学习的热潮。本书是使用PyTorch深度学习框架的入门图书,从深度学习原理入手,由浅入深地阐述深度学习中神经网络、深度神经网络、卷积神经网络、自编码器、循环神经网络等内容,同时穿插学习PyTorch框架的各个知识点和基于知识点的实例。最后,综合运用PyTorch和深度学习知识来解决实践中的具体问题,比如图像识别、文本分类和命令词识别等。可以说,本书是深度学习和PyTorch的入门教程,同时也引领读者进入机遇和挑战共存的人工智能领域。

本书针对的对象是机器学习和人工智能的爱好者和研究者,希望其能够有一定的机器学习和深度学习知识,有一定的Python编程基础。

校宝在线,孙琳,蒋阳波,汪建成,项斌编著。

作品目录

  • 前言
  • 第1章 深度学习介绍
  • 1.1 人工智能、机器学习与深度学习
  • 1.2 深度学习工具介绍
  • 1.3 PyTorch介绍
  • 1.4 你能从本书中学到什么
  • 第2章 PyTorch安装和快速上手
  • 2.1 PyTorch安装
  • 2.2 Jupyter Notebook使用
  • 2.3 NumPy基础知识
  • 2.4 PyTorch基础知识
  • 第3章 神经网络
  • 3.1 神经元与神经网络
  • 3.2 激活函数
  • 3.3 前向算法
  • 3.4 损失函数
  • 3.5 反向传播算法
  • 3.6 数据的准备
  • 3.7 PyTorch实例:单层神经网络实现
  • 第4章 深度神经网络及训练
  • 4.1 深度神经网络
  • 4.2 梯度下降
  • 4.3 优化器
  • 4.4 正则化
  • 4.5 PyTorch实例:深度神经网络实现
  • 第5章 卷积神经网络
  • 5.1 计算机视觉
  • 5.2 卷积神经网络
  • 5.3 MNIST数据集上卷积神经网络的实现
  • 第6章 嵌入与表征学习
  • 6.1 PCA
  • 6.2 自编码器
  • 6.3 词嵌入
  • 第7章 序列预测模型
  • 7.1 序列数据处理
  • 7.2 循环神经网络
  • 7.3 LSTM和GRU
  • 7.4 LSTM在自然语言处理中的应用
  • 7.5 序列到序列网络
  • 7.6 PyTorch实例:基于GRU和Attention的机器翻译
  • 第8章 PyTorch项目实战
  • 8.1 图像识别和迁移学习——猫狗大战
  • 8.2 文本分类
  • 8.3 语音识别系统介绍
展开全部