PyTorch深度學習指南·編程基礎卷I

來自 孔夫子舊書網 的圖片

《PyTorch深度學習指南·編程基礎卷I》，作者: [巴西] 丹尼爾·沃格特·戈多伊（Daniel Voigt Godoy），出版社: 機械工業出版社，原作名: Deep Learning with PyTorch Step-by-Step，譯者: 張春江，出版年: 2024-4-1，頁數: 182，定價: 99.0，ISBN: 9787111749783。

內容簡介

「PyTorch深度學習指南」叢書循序漸進地詳細講解了與深度學習相關的重要概念、算法和模型，並着重展示了PyTorch是如何實現這些算法和模型的。其共分三卷：編程基礎、計算機視覺、序列與自然語言處理。

本書為該套叢書的第一卷：編程基礎。本書主要介紹了梯度下降和PyTorch的Autograd；訓練循環、數據加載器、小批量和優化器；二元分類器、交叉熵損失和不平衡數據集；決策邊界、評估指標和數據可分離性等內容。

本書適用於對深度學習感興趣，並希望使用PyTorch實現深度學習的Python程序員閱讀學習。

目錄

前　言

致　謝

關於作者

譯者序

常見問題

為什麼選擇PyTorch?

為什麼選擇這套書?

誰應該讀這套書?

我需要知道什麼?

如何閱讀這套書?

下一步是什麼?

設置指南

官方資料庫

環境

谷歌Colab

Binder

本地安裝

繼續

第0章　可視化梯度下降

劇透

JupyterNotebook

導入

可視化梯度下降

模型

數據生成

合成數據生成

訓練-驗證-測試拆分

第0步——隨機初始化

第1步——計算模型的預測

第2步——計算損失

損失面

橫截面

第3步——計算梯度

可視化梯度

反向傳播

第4步——更新參數

學習率

第5步——循環往復

梯度下降的路徑

回顧

......