91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
PyTorch速查手冊
PyTorch速查手冊
Joe Papa 著
林琪 等譯
出版時間：2022年11月
頁數(shù)：286
這本簡明便捷的參考手冊將讓你充分掌握最流行的深度學(xué)習(xí)研究和開發(fā)框架之一：PyTorch。本書作者清晰地介紹了語法和設(shè)計模式，并提供了代碼示例，可以加快你的開發(fā)，減少搜尋答案花費的時間。
科學(xué)家、機器學(xué)習(xí)工程師和軟件開發(fā)人員可以從中找到簡明的結(jié)構(gòu)化PyTorch代碼，這涵蓋神經(jīng)網(wǎng)絡(luò)開發(fā)的每一個步驟，包括加載數(shù)據(jù)、定制訓(xùn)練循環(huán)、模型優(yōu)化，以及GPU/TPU加速。另外還能很快學(xué)會如何使用AWS、Google Cloud或Azure將代碼部署到生產(chǎn)環(huán)境，以及如何將機器學(xué)習(xí)模型部署到移動和邊緣設(shè)備。

● 學(xué)習(xí)基本PyTorch語法和設(shè)計模式。
● 創(chuàng)建定制模型和數(shù)據(jù)變換。
● 使用GPU和TPU訓(xùn)練和部署模型。
● 訓(xùn)練和測試一個深度學(xué)習(xí)分類器。
● 使用優(yōu)化和分布式訓(xùn)練加速訓(xùn)練。
● 利用PyTorch庫和PyTorch生態(tài)系統(tǒng)。
  1. 前言
  2. 第1章 PyTorch簡介
  3. 1.1 PyTorch是什么?
  4. 1.2 為什么使用PyTorch?
  5. 1.3 新手指南
  6. 1.3.1 在Google Colaboratory中運行
  7. 1.3.2 在本地計算機上運行
  8. 1.3.3 在云平臺上運行
  9. 1.3.4 驗證你的PyTorch環(huán)境
  10. 1.4 一個有趣的例子
  11. 第2章 張量
  12. 2.1 張量是什么？
  13. 2.1.1 簡單CPU示例
  14. 2.1.2 簡單GPU示例
  15. 2.1.3 在CPU和GPU之間移動張量
  16. 2.2 創(chuàng)建張量
  17. 2.2.1 張量屬性
  18. 2.2.2 數(shù)據(jù)類型
  19. 2.2.3 由隨機樣本創(chuàng)建張量
  20. 2.2.4 創(chuàng)建類似其他張量的張量
  21. 2.3 張量操作
  22. 2.3.1 張量索引、切片、合并和拆分
  23. 2.3.2 張量數(shù)學(xué)運算
  24. 2.3.3 自動微分（Autograd）
  25. 第3章 使用PyTorch的深度學(xué)習(xí)開發(fā)
  26. 3.1 完整過程
  27. 3.2 數(shù)據(jù)準備
  28. 3.2.1 數(shù)據(jù)加載
  29. 3.2.2 數(shù)據(jù)變換
  30. 3.2.3 數(shù)據(jù)批處理
  31. 3.2.4 一般數(shù)據(jù)準備（torch.utils.data）
  32. 3.3 模型開發(fā)
  33. 3.3.1 模型設(shè)計
  34. 3.3.2 訓(xùn)練
  35. 3.3.3 驗證
  36. 3.3.4 測試
  37. 3.4 模型部署
  38. 3.4.1 保存模型
  39. 3.4.2 部署到PyTorch Hub
  40. 3.4.3 部署到生產(chǎn)環(huán)境
  41. 第4章 神經(jīng)網(wǎng)絡(luò)開發(fā)參考設(shè)計
  42. 4.1 使用遷移學(xué)習(xí)完成圖像分類
  43. 4.1.1 數(shù)據(jù)處理
  44. 4.1.2 模型設(shè)計
  45. 4.1.3 訓(xùn)練和驗證
  46. 4.1.4 測試和部署
  47. 4.2 用Torchtext完成情感分析
  48. 4.2.1 數(shù)據(jù)處理
  49. 4.2.2 模型設(shè)計
  50. 4.2.3 訓(xùn)練和驗證
  51. 4.2.4 測試和部署
  52. 4.3 生成式學(xué)習(xí)—用DCGAN生成Fashion-MNIST圖像
  53. 4.3.1 數(shù)據(jù)處理
  54. 4.3.2 模型設(shè)計
  55. 4.3.3 訓(xùn)練
  56. 4.3.4 測試和部署
  57. 第5章 定制PyTorch
  58. 5.1 定制層和激活函數(shù)
  59. 5.1.1 定制層示例（Complex Linear）
  60. 5.1.2 定制激活示例（Complex ReLU）
  61. 5.2 定制模型架構(gòu)
  62. 5.3 定制損失函數(shù)
  63. 5.4 定制優(yōu)化器算法
  64. 5.5 定制訓(xùn)練、驗證和測試循環(huán)
  65. 第6章 PyTorch加速和優(yōu)化
  66. 6.1 TPU上使用PyTorch
  67. 6.2 （單機）多個GPU上使用PyTorch
  68. 6.2.1 數(shù)據(jù)并行處理
  69. 6.2.2 模型并行處理
  70. 6.2.3 結(jié)合數(shù)據(jù)并行處理和模型并行處理
  71. 6.3 （多機）分布式訓(xùn)練
  72. 6.4 模型優(yōu)化
  73. 6.4.1 超參數(shù)調(diào)優(yōu)
  74. 6.4.2 量化
  75. 6.4.3 剪枝
  76. 第7章 PyTorch部署到生產(chǎn)環(huán)境
  77. 7.1 PyTorch部署工具和庫
  78. 7.1.1 通用示例模型
  79. 7.1.2 Python API
  80. 7.1.3 TorchScript
  81. 7.1.4 TorchServe
  82. 7.1.5 ONNX
  83. 7.1.6 Mobile庫
  84. 7.2 部署到Flask應(yīng)用
  85. 7.3 Colab Flask應(yīng)用
  86. 7.4 用TorchServe部署到云
  87. 7.5 Docker快速入門
  88. 7.6 部署到移動和邊緣設(shè)備
  89. 7.6.1 iOS
  90. 7.6.2 Android
  91. 7.6.3 其他邊緣設(shè)備
  92. 第8章 PyTorch生態(tài)系統(tǒng)和其他資源
  93. 8.1 PyTorch生態(tài)系統(tǒng)
  94. 8.2 面向圖像和視頻的Torchvision
  95. 8.2.1 數(shù)據(jù)集和I/O
  96. 8.2.2 模型
  97. 8.2.3 變換、操作和實用工具
  98. 8.3 用于NLP的Torchtext
  99. 8.3.1 創(chuàng)建一個數(shù)據(jù)集對象
  100. 8.3.2 預(yù)處理數(shù)據(jù)
  101. 8.3.3 創(chuàng)建一個Dataloader批處理
  102. 8.3.4 數(shù)據(jù)（torchtext.data）
  103. 8.3.5 數(shù)據(jù)集（torchtext.datasets）
  104. 8.3.6 詞匯表（torchtext.vocab）
  105. 8.4 用于可視化的TensorBoard
  106. 8.4.1 SCALARS顯示學(xué)習(xí)曲線
  107. 8.4.2 GRAPHS顯示模型架構(gòu)
  108. 8.4.3 IMAGES、TEXT和PROJECTOR顯示數(shù)據(jù)
  109. 8.4.4 DISTRIBUTIONS和HISTOGRAMS顯示權(quán)重分布
  110. 8.4.5 HPARAMS顯示超參數(shù)
  111. 8.4.6 TensorBoard API
  112. 8.5 Papers with Code
  113. 8.6 其他PyTorch資源
  114. 8.6.1 教程
  115. 8.6.2 圖書
  116. 8.6.3 在線課程和現(xiàn)場培訓(xùn)
書名：PyTorch速查手冊
作者：Joe Papa 著
譯者：林琪 等譯
國內(nèi)出版社：中國電力出版社
出版時間：2022年11月
頁數(shù)：286
書號：978-7-5198-6970-0
原版書書名：PyTorch Pocket Reference
原版書出版商：O'Reilly Media
Joe Papa
 
Joe Papa在研究和開發(fā)領(lǐng)域有超過25年的經(jīng)驗，他是TeachMe.AI的創(chuàng)始人。他擁有電機工程碩士學(xué)位，并在Booz Allen Hamilton和Perspecta Labs領(lǐng)導(dǎo)使用PyTorch的AI研究團隊。Joe指導(dǎo)過成百上千的數(shù)據(jù)科學(xué)家，并在Udemy教過全世界超過6000名學(xué)生。
 
 
本書封面上的動物是一條環(huán)鰭魚科的魚，通常被稱為吸盤魚。有大約7屬30種吸盤魚，常見于北極、大西洋和太平洋北部寒冷的水域。
吸盤魚得名于它們胸鰭后面的黏性圓盤。它們生活在海床附近，利用這些圓盤附著在巖石上，在那里它們以無脊椎動物、甲殼類動物和軟體動物為食。
唯一有商業(yè)用途的吸盤魚是圓鰭魚，已處于瀕危保護狀態(tài)。O’Reilly書的很多封面動物都瀕臨滅絕；所有這些動物對世界都很重要。
購買選項
定價：88.00元
書號：978-7-5198-6970-0
出版社：中國電力出版社