PyTorch深度学习入门

　　第 一部分　基础篇
　　第　1章 准备工作　2
　　1．1　硬件配置　2
　　1．2　在Mac OS X系统下配置PyTorch运行环境　6
　　1．3　在Ubuntu系统下配置PyTorch运行环境　8
　　1．4　在Windows系统下配置PyTorch运行环境　14
　　第　2章 Tensor基础　17
　　2．1　Tensor　17
　　2．2　Autograd　30
　　第3章　深度学习基础　35
　查看完整　　

　　曾芃壹，现为中山大学数据科学与计算机学院在读硕士，主要研究兴趣有深度学习、语音识别、推荐系统、自动犯罪侦查等。熟悉C、C++、Java、Python等多种程序设计语言、Flask建站技术以及PyTorch、TensorFlow深度学习框架，在简书上写了多篇PyTorch的文章，深受读者欢迎。

　　本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前*流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

　　第 一部分　基础篇
　　第　1章 准备工作　2
　　1．1　硬件配置　2
　　1．2　在Mac OS X系统下配置PyTorch运行环境　6
　　1．3　在Ubuntu系统下配置PyTorch运行环境　8
　　1．4　在Windows系统下配置PyTorch运行环境　14
　　第　2章 Tensor基础　17
　　2．1　Tensor　17
　　2．2　Autograd　30
　　第3章　深度学习基础　35
　　3．1　机器学习　35
　　3．2　线性回归　38
　　3．3　非线性回归　53
　　3．4　逻辑回归　58
　　3．5　多元分类　66
　　3．6　反向传播　70
　　3．7　卷积神经网络　72
　　3．8　手写字体识别　78
　　3．9　fastai手写字体识别　86
　　第二部分　实战篇
　　第4章　迁移学习　90
　　4．1　经典图像模型　90
　　4．2　迁移学习实战　100
　　4．3　使用fastai实现迁移学习　109
　　第5章　序列转序列模型　111
　　5．1　循环神经网络模型　111
　　5．2　神经翻译机简介　119
　　5．3　利用PyTorch构造神经翻译机　122
　　第6章　生成对抗网络　138
　　6．1　生成对抗网络概览　138
　　6．2　使用生成对抗网络生成二次元头像　142
　　6．3　使用TorchGAN生成二次元头像　149
　　第7章　深度强化学习　153
　　7．1　深度强化学习　153
　　7．2　基于策略的算法　155
　　7．3　基于值的算法　157
　　7．4　Gym简介　161
　　7．5　Q-Learning实战　163
　　第8章　风格迁移　168
　　8．1　风格迁移原理　168
　　8．2　风格迁移实践　174
　　第三部分　高级篇
　　第9章　PyTorch扩展　184
　　9．1　自定义神经网络层　184
　　9．2　C++加载PyTorch模型　189
　　第　10章 PyTorch模型迁移　193
　　10．1　ONNX简介　193
　　10．2　使用ONNX将PyTorch模型迁移至Caffe2　196
　　10．3　使用ONNX将PyTorch模型迁移至Core　ML　199
　　第　11章 PyTorch可视化　201
　　11．1　使用visdom实现PyTorch可视化　201
　　11．2　使用TensorBoard实现PyTorch可视化　213
　　11．3　使用Netron显示模型　221
　　第　12章 PyTorch的并行计算　223
　　12．1　多进程　223
　　12．2　多GPU并行计算　231
^ 收 起　　

　　曾芃壹，现为中山大学数据科学与计算机学院在读硕士，主要研究兴趣有深度学习、语音识别、推荐系统、自动犯罪侦查等。熟悉C、C++、Java、Python等多种程序设计语言、Flask建站技术以及PyTorch、TensorFlow深度学习框架，在简书上写了多篇PyTorch的文章，深受读者欢迎。

　　本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前*流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。