更新时间：2024-12-28 11:35:52
封面
版权信息
内容简介
作者简介
前言
第1篇 基础知识
第1章 人工智能和PyTorch
1.1 人工智能和深度学习
1.2 深度学习框架
1.3 PyTorch
1.4 小结
第2章 开发环境
2.1 PyTorch的安装
2.2 NumPy
2.3 Matplotlib
2.4 Scikit-Learn
2.5 小结
第3章 PyTorch入门
3.1 PyTorch的模块
3.2 张量
3.3 torch.nn模块
3.4 自动求导
3.5 小结
第4章 卷积网络
4.1 卷积网络的原理
4.2 NumPy建立神经网络
4.3 PyTorch建立神经网络
4.4 全连接网络
4.5 小结
第5章 经典神经网络
5.1 VGGNet
5.2 ResNet
5.3 XceptionNet
5.4 小结
第6章 模型的保存和调用
6.1 字典状态（state_dict）
6.2 保存和加载模型
6.3 一个文件保存多个模型
6.4 通过设备保存和加载模型
6.5 小结
第7章 网络可视化
7.1 HiddenLayer可视化
7.2 PyTorchViz可视化
7.3 TensorboardX可视化
7.4 小结
第8章 数据加载和预处理
8.1 加载PyTorch库数据集
8.2 加载自定义数据集
8.3 预处理
8.4 小结
第9章 数据增强
9.1 数据增强的概念
9.2 数据增强的实现
9.3 小结
第2篇 高级应用
第10章 图像分类
10.1 CIFAR10数据分类
10.2 数据集划分
10.3 猫狗分类实战
10.4 小结
第11章 迁移学习
11.1 定义和方法
11.2 蚂蚁和蜜蜂分类实战
11.3 小结
第12章 人脸检测和识别
12.1 人脸检测
12.2 人脸识别
12.3 人脸检测与识别实战
12.4 小结
第13章 生成对抗网络
13.1 生成对抗网络简介
13.2 数学模型
13.3 生成手写体数字图片实战
13.4 生成人像图片实战
13.5 小结
第14章 目标检测
14.1 目标检测概述
14.2 检测算法模型
14.3 目标检测的基本概念
14.4 Faster R-CNN目标检测
14.5 小结
第15章 图像风格迁移
15.1 风格迁移概述
15.2 固定风格固定内容的迁移
15.3 快速风格迁移
15.4 小结
第16章 ViT
16.1 ViT详解
16.2 ViT图像分类实战
16.3 小结
参考文献
