PyTorch深度学习实战

译者序

前言

作者简介

审校者简介

第1章　深度学习回顾和PyTorch简介1

11　PyTorch的历史2

12　PyTorch是什么3

121　安装PyTorch4

122　PyTorch流行的原因5

13　使用计算图7

131　使用静态图8

132　使用动态图11

14　探索深度学习13

15　开始编写代码22

151　学习基本操作22

152　PyTorch的内部逻辑28

16　总结31

参考资料32

第2章　一个简单的神经网络33

21　问题概述33

22　数据集34

23　新手模型38

24　PyTorch方式49

241　高阶API50

242　functional模块55

243　损失函数57

244　优化器57

25　总结59

参考资料59

第3章　深度学习工作流60

31　构思和规划61

32　设计和实验62

321　数据集和DataLoader类62

322　实用程序包65

33　模型实现75

34　训练和验证79

35　总结86

参考资料 86

第4章　计算机视觉87

41　CNN简介87

42　将PyTorch应用于计算机视觉90

421　简单CNN90

422　语义分割99

43　总结112

参考资料112

第5章　序列数据处理114

51　循环神经网络简介114

52　问题概述116

53　实现方法116

531　简单RNN117

532　高级RNN130

533　递归神经网络137

54　总结141

参考资料142

第6章　生成网络143

61　方法定义144

62　自回归模型145

621　PixelCNN147

622　WaveNet153

63　GAN161

631　简单GAN161

632　CycleGAN168

64　总结173

参考资料173

第7章　强化学习175

71　问题定义177

72　回合制任务与连续任务178

73　累积折扣奖励179

74　马尔可夫决策过程180

75　解决方法182

751　策略和价值函数182

752　贝尔曼方程183

753　深度Q学习184

754　经验回放186

755　Gym186

76　总结194

参考资料194

第8章　将PyTorch应用到生产195

81　使用Flask提供服务196

82　ONNX202

83　使用TorchScript提高效率215

84　探索RedisAI218

85　总结222

参考资料223