更新时间：2023-09-26 16:08:34
封面
版权信息
内容简介
作者简介
前言
本书内容
本书的特色
配书资源
读者对象
第1章 深度学习环境搭建
1.1 深度学习概述
1.1.1 深度学习发展历史
1.1.2 深度学习框架比较
1.1.3 深度学习应用领域
1.2 搭建开发环境
1.2.1 安装Python 3.10
1.2.2 安装Jupyter Lab
1.2.3 安装PyTorch 1.10
1.3 PyTorch应用场景
1.4 动手练习：每日最高温度预测
1.5 练习题
第2章 PyTorch与数学基础
2.1 PyTorch中的函数
2.1.1 函数基础知识
2.1.2 PyTorch中的主要函数
2.2 微分基础
2.2.1 微分及其公式
2.2.2 PyTorch自动微分
2.3 数理统计基础
2.3.1 数理统计及其指标
2.3.2 PyTorch统计函数
2.4 矩阵基础
2.4.1 矩阵及其运算
2.4.2 PyTorch矩阵运算
2.5 动手练习：拟合余弦函数曲线
2.6 练习题
第3章 PyTorch的基本概念
3.1 张量及其创建
3.1.1 张量及其数据类型
3.1.2 数组直接创建张量
3.1.3 概率分布创建张量
3.2 激活函数
3.2.1 激活函数及必要性
3.2.2 Sigmoid激活函数
3.2.3 Tanh激活函数
3.2.4 ReLU激活函数
3.2.5 Leakly ReLU激活函数
3.2.6 其他类型的激活函数
3.3 损失函数
3.3.1 损失函数及选取
3.3.2 L1范数损失函数
3.3.3 均方误差损失函数
3.3.4 交叉熵损失函数
3.3.5 余弦相似度损失
3.3.6 其他损失函数
3.4 优化器
3.4.1 梯度及梯度下降
3.4.2 随机梯度下降算法
3.4.3 标准动量优化算法
3.4.4 AdaGrad算法
3.4.5 RMSProp算法
3.4.6 Adam算法
3.5 动手练习：PyTorch优化器比较
3.6 练习题
第4章 PyTorch深度神经网络
4.1 神经网络概述
4.1.1 神经元模型
4.1.2 多层感知器
4.1.3 前馈神经网络
4.2 卷积神经网络
4.2.1 卷积神经网络的历史
4.2.2 卷积神经网络的结构
4.2.3 卷积神经网络的类型
4.3 几种常见的循环神经网络
4.3.1 循环神经网络
4.3.2 长短期记忆网络
4.3.3 门控循环单元
4.4 动手练习：股票成交量趋势预测
4.5 练习题
第5章 PyTorch数据建模
5.1 回归分析及案例
5.1.1 回归分析简介
5.1.2 回归分析建模
5.1.3 动手练习：住房价格回归预测
5.2 聚类分析及案例
5.2.1 聚类分析简介
5.2.2 聚类分析建模
5.2.3 动手练习：植物花卉特征聚类
5.3 主成分分析及案例
5.3.1 主成分分析简介
5.3.2 主成分分析建模
5.3.3 动手练习：地区竞争力指标降维
5.4 模型评估与调优
5.4.1 模型评估方法
5.4.2 模型调优方法
5.4.3 动手练习：PyTorch实现交叉验证
5.5 练习题
第6章 PyTorch图像建模
6.1 图像建模概述
6.1.1 图像分类技术
