深度学习框架PyTorch入门与实践

开本：787×980 1/16 印张：18.75 字数：353千字 版次：2018年1月第1版 印次：2018年1月第1次印刷 定 价：65.00元 凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若 书店售缺，请与本社发行部联系，联系及邮购电话：（010） 88254888，88258888。 质量投诉请发邮件至zlts@phei.com.cn，盗版侵权举报请发邮件至 dbqq@phei.com.cn。 本书咨询联系方式：（010）51260888-819 faq@phei.com.cn。 目录 前言 1 PyTorch简介 1.1 PyTorch的诞生 1.2 常见的深度学习框架简介 1.2.1 Theano 1.2.2 TensorFlow 1.2.3 Keras 1.2.4 Caffe/Caffe2 1.2.5 MXNet 1.2.6 CNTK 1.2.7 其他框架 1.3 属于动态图的未来 1.4 为什么选择PyTorch 1.5 星火燎原 1.6 fast.ai放弃Keras+TensorFlow选择PyTorch 2 快速入门 2.1 安装与配置 2.1.1 安装PyTorch 2.1.2 学习环境配置 2.2 PyTorch入门第一步 2.2.1 Tensor 2.2.2 Autograd：自动微分 2.2.3 神经网络 2.2.4 小试牛刀：CIFAR-10分类 3 Tensor和autograd 3.1 Tensor 3.1.1 基础操作 3.1.2 Tensor和Numpy 3.1.3 内部结构 3.1.4 其他有关Tensor的话题 3.1.5 小试牛刀：线性回归 3.2 autograd 3.2.1 Variable 3.2.2 计算图 3.2.3 扩展autograd 3.2.4 小试牛刀：用Variable实现线性回归 4 神经网络工具箱nn 4.1 nn.Module 4.2 常用的神经网络层 4.2.1 图像相关层 4.2.2 激活函数 4.2.3 循环神经网络层 4.2.4 损失函数 4.3 优化器 4.4 nn.functional 4.5 初始化策略 4.6 nn.Module深入分析 4.7 nn和autograd的关系 4.8 小试牛刀：用50行代码搭建ResNet 5 PyTorch中常用的工具 5.1 数据处理 5.2 计算机视觉工具包：torchvision ......