PyTorch是Facebook發(fā)布的一款非常具有個(gè)性的深度學(xué)習(xí)框架，它和Tensorflow，Keras，Theano等其他深度學(xué)習(xí)框架都不同，它是動(dòng)態(tài)計(jì)算圖模式，其應(yīng)用模型支持在運(yùn)行過(guò)程中根據(jù)運(yùn)行參數(shù)動(dòng)態(tài)改變，而其他幾種框架都是靜態(tài)計(jì)算圖模式，其模型在運(yùn)行之前就已經(jīng)確定。

PyTorch深度學(xué)習(xí)實(shí)戰(zhàn)從原理到實(shí)戰(zhàn)、深入淺出地介紹了Facebook人工智能利器Pytorch的卓越表現(xiàn)，只要認(rèn)真讀完本書(shū)，你就能掌握Pytorch的使用技巧了。

本書(shū)共分成16個(gè)章節(jié)，第1章是Pytorch簡(jiǎn)介和環(huán)境搭建；第2～8章是Keras的軟件框架說(shuō)明，包含了層的說(shuō)明，優(yōu)化器和損失函數(shù)等；第9～10章重點(diǎn)介紹了深度學(xué)習(xí)中的卷積和池化的概念；第11～12章是介紹用神經(jīng)網(wǎng)絡(luò)模型搭建圖像識(shí)別系統(tǒng)的實(shí)戰(zhàn)經(jīng)驗(yàn)；第13～16章介紹如何使用LSTM模型來(lái)處理自然語(yǔ)言。

本書(shū)的目標(biāo)人群主要定位為具有一定Python編程基礎(chǔ)，對(duì)機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)有一定了解的程序員們。

目錄

1　Facebook深度學(xué)習(xí)框架PyTorch
2　變量
3　求導(dǎo)
4　損失函數(shù)
5　優(yōu)化器Optim
6　線性回歸
7　numpy矩陣的保存
8　模型的保存和導(dǎo)入
9　卷積層
10　池化層
11　Mnist手寫(xiě)數(shù)字圖像識(shí)別
12　圖像處理
13　RNN和LSTM原理
14　PyTorch中的LSTM
15　Embedding層
16　LSTM文本分類
17　參考