PyTorch深度学习

封面

版权信息

版权声明

内容提要

序

作者简介

献辞

致谢

审稿人简介

译者简介

译稿审稿人简介

前言

目标读者

本书内容

最大化利用本书

资源与支持

配套资源

提交勘误

与我们联系

关于异步社区和异步图书

第1章 PyTorch与深度学习

1.1 人工智能

1.2 机器学习

1.3 深度学习

1.4 小结

第2章 神经网络的构成

2.1 安装PyTorch

2.2 实现第一个神经网络

2.3 小结

第3章 深入了解神经网络

3.1 详解神经网络的组成部分

3.2 小结

第4章 机器学习基础

4.1 三类机器学习问题

4.2 机器学习术语

4.3 评估机器学习模型

4.4 数据预处理与特征工程

4.5 过拟合与欠拟合

4.6 机器学习项目的工作流

4.7 小结

第5章 深度学习之计算机视觉

5.1 神经网络简介

5.2 从零开始构建CNN模型

5.3 创建和探索VGG16模型

5.4 计算预卷积特征

5.5 理解CNN模型如何学习

5.6 CNN层的可视化权重

5.7 小结

第6章 序列数据和文本的深度学习

6.1 使用文本数据

6.2 通过构建情感分类器训练词向量

6.3 使用预训练的词向量

6.4 递归神经网络（RNN）

6.5 LSTM

6.6 基于序列数据的卷积网络

6.7 小结

第7章 生成网络

7.1 神经风格迁移

7.2 生成对抗网络（GAN）

7.3 深度卷机生成对抗网络

7.4 语言建模

7.5 小结

第8章 现代网络架构

8.1 现代网络架构

8.2 稠密连接卷积网络（DenseNet）

8.3 模型集成

8.4 encoder-decoder架构

8.5 小结

第9章 未来走向

9.1 未来走向

9.2 回顾

9.3 有趣的创意应用

9.4 如何跟上前沿