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
11 PyTorch的历史2
12 PyTorch是什么3
121 安装PyTorch4
122 PyTorch流行的原因5
13 使用计算图7
131 使用静态图8
132 使用动态图11
14 探索深度学习13
15 开始编写代码22
151 学习基本操作22
152 PyTorch的内部逻辑28
16 总结31
参考资料32
第2章 一个简单的神经网络33
21 问题概述33
22 数据集34
23 新手模型38
24 PyTorch方式49
241 高阶API50
242 functional模块55
243 损失函数57
244 优化器57
25 总结59
参考资料59
第3章 深度学习工作流60
31 构思和规划61
32 设计和实验62
321 数据集和DataLoader类62
322 实用程序包65
33 模型实现75
34 训练和验证79
35 总结86
参考资料 86
第4章 计算机视觉87
41 CNN简介87
42 将PyTorch应用于计算机视觉90
421 简单CNN90
422 语义分割99
43 总结112
参考资料112
第5章 序列数据处理114
51 循环神经网络简介114
52 问题概述116
53 实现方法116
531 简单RNN117
532 高级RNN130
533 递归神经网络137
54 总结141
参考资料142
第6章 生成网络143
61 方法定义144
62 自回归模型145
621 PixelCNN147
622 WaveNet153
63 GAN161
631 简单GAN161
632 CycleGAN168
64 总结173
参考资料173
第7章 强化学习175
71 问题定义177
72 回合制任务与连续任务178
73 累积折扣奖励179
74 马尔可夫决策过程180
75 解决方法182
751 策略和价值函数182
752 贝尔曼方程183
753 深度Q学习184
754 经验回放186
755 Gym186
76 总结194
参考资料194
第8章 将PyTorch应用到生产195
81 使用Flask提供服务196
82 ONNX202
83 使用TorchScript提高效率215
84 探索RedisAI218
85 总结222
参考资料223
鄂公网安备 42010302001612号 