PyTorch深度學習入門

本書用淺顯易懂的語言，圖文並貌地講解了深度學習的基礎知識，從如何挑選硬體到神經網路的初步搭建，再到實現圖片識別、文本翻譯、強化學習、生成對抗網路等多個目前最流行的深度學習應用。書中基於目前流行的PyTorch框架，運用Python語言實現了各種深度學習的應用程序，讓理論和實踐緊密結合。

第一部分　基礎篇
第1章 準備工作　2
1．1　硬體設定　2
1．2　在Mac OS X系統下配置PyTorch運行環境　6
1．3　在Ubuntu系統下配置PyTorch運行環境　8
1．4　在Windows系統下配置PyTorch運行環境　14
第2章 Tensor基礎　17
2．1　Tensor　17
2．2　Autograd　30
第3章　深度學習基礎　35
3．1　機器學習　35
3．2　線性回歸　38
3．3　非線性回歸　53
3．4　邏輯回歸　58
3．5　多元分類　66
3．6　反向傳播　70
3．7　卷積神經網路　72
3．8　手寫字體識別　78
3．9　fastai手寫字體識別　86

第二部分　實戰篇
第4章　遷移學習　90
4．1　經典圖像模型　90
4．2　遷移學習實戰　100
4．3　使用fastai實現遷移學習　109
第5章　序列轉序列模型　111
5．1　迴圈神經網路模型　111
5．2　神經翻譯機簡介　119
5．3　利用PyTorch構造神經翻譯機　122
第6章　生成對抗網路　138
6．1　生成對抗網路概覽　138
6．2　使用生成對抗網路生成二次元頭像　142
6．3　使用TorchGAN生成二次元頭像　149
第7章　深度強化學習　153
7．1　深度強化學習　153
7．2　基於策略的演算法　155
7．3　基於值的演算法　157
7．4　Gym簡介　161
7．5　Q-Learning實戰　163
第8章　風格遷移　168
8．1　風格遷移原理　168
8．2　風格遷移實踐　174

第三部分　高級篇
第9章　PyTorch擴展　184
9．1　自訂神經網路層　184
9．2　C++載入PyTorch模型　189
第10章 PyTorch模型遷移　193
10．1　ONNX簡介　193
10．2　使用ONNX將PyTorch模型遷移至Caffe2　196
10．3　使用ONNX將PyTorch模型遷移至Core　ML　199
第11章 PyTorch視覺化　201
11．1　使用visdom實現PyTorch視覺化　201
11．2　使用TensorBoard實現PyTorch視覺化　213
11．3　使用Netron顯示模型　221
第12章 PyTorch的平行計算　223
12．1　多進程　223
12．2　多GPU平行計算　231

曾芃壹，現為中山大學數據科學與電腦學院在讀碩士，主要研究興趣有深度學習、語音識別、推薦系統、自動犯罪偵查等。熟悉C、C++、Java、Python等多種程序設計語言、Flask建站技術以及PyTorch、TensorFlow深度學習框架，在簡書上寫了多篇PyTorch的文章，深受讀者歡迎。