作品简介

本书帮助读者快速深入深度学习。在过去的几年里,我们看到深度学习成了新的动力。它从学术界一路进军到工业领域,帮助解决了数千个难题。没有它,人类永远无法想象如何解决这些难题。深度学习的应用主要是由一组框架推动的,这些框架可靠地将复杂的算法转化为高效的内置方法。本书展示了PyTorch在构建深度学习模型原型、深度学习工作流以及将原型模型用于生产方面的优势。总体而言,本书专注于PyTorch的实际实现,而不是解释它背后的数学原理。但本书也会给出一些链接,这些链接会补充一些相关概念。

谢林·托马斯(Sherin Thomas)的职业生涯始于信息安全专家,后来他将工作重心转移到了基于深度学习的安全系统。他曾帮助全球多家公司建立AI流程,并曾就职于位于印度班加罗尔的一家快速成长的初创公司CoWrks。他目前从事多个开源项目,包括PyTorch、RedisAI等,并领导TuringNetwork.ai的开发。他还专注于为奥罗比克斯(Orobix)分拆公司[tensor]werk建设深度学习基础设施。我要感谢众多影响并激励我写作本书的专业人士,其中包括CoWrks的同事和我的朋友。非常感谢技术审校者和编辑助理。没有他们,我不可能在最后期限前完成本书。最后,也是最重要的一点,感谢我的妻子梅林。在工作的同时写作一本书是不容易的,没有她,我不可能做到这一点。

苏丹舒·帕西(Sudhanshu Passi)是CoWrks的技术专家。在CoWrks,他一直是机器学习的一切相关事宜的驱动者。在简化复杂概念方面的专业知识使他的著作成为初学者和专家的理想读物。这可以通过他的博客和本书得到证实。在业余时间,他还会在当地的游泳池内计算水下梯度下降。我要感谢谢林让我成为本书的合著者。我还要感谢我的父母多年来一直给予的支持。

作品目录

  • 译者序
  • 前言
  • 作者简介
  • 审校者简介
  • 第1章 深度学习回顾和PyTorch简介
  • 1.1 PyTorch的历史
  • 1.2 PyTorch是什么
  • 1.3 使用计算图
  • 1.4 探索深度学习
  • 1.5 开始编写代码
  • 1.6 总结
  • 参考资料
  • 第2章 一个简单的神经网络
  • 2.1 问题概述
  • 2.2 数据集
  • 2.3 新手模型
  • 2.4 PyTorch方式
  • 2.5 总结
  • 参考资料
  • 第3章 深度学习工作流
  • 3.1 构思和规划
  • 3.2 设计和实验
  • 3.3 模型实现
  • 3.4 训练和验证
  • 3.5 总结
  • 参考资料
  • 第4章 计算机视觉
  • 4.1 CNN简介
  • 4.2 将PyTorch应用于计算机视觉
  • 4.3 总结
  • 参考资料
  • 第5章 序列数据处理
  • 5.1 循环神经网络简介
  • 5.2 问题概述
  • 5.3 实现方法
  • 5.4 总结
  • 参考资料
  • 第6章 生成网络
  • 6.1 方法定义
  • 6.2 自回归模型
  • 6.3 GAN
  • 6.4 总结
  • 参考资料
  • 第7章 强化学习
  • 7.1 问题定义
  • 7.2 回合制任务与连续任务
  • 7.3 累积折扣奖励
  • 7.4 马尔可夫决策过程
  • 7.5 解决方法
  • 7.6 总结
  • 参考资料
  • 第8章 将PyTorch应用到生产
  • 8.1 使用Flask提供服务
  • 8.2 ONNX
  • 8.3 使用TorchScript提高效率
  • 8.4 探索RedisAI
  • 8.5 总结
  • 参考资料
展开全部