PyTorch速查手冊檢視原始碼討論檢視歷史

來自 孔夫子網 的圖片

《PyTorch速查手冊》，[美] 喬·帕帕（Joe Papa） 著，林琪 等 譯，出版社： 中國電力出版社。

書籍是全世界的營養品。生活里沒有書籍，就好像沒有陽光；智慧里沒有書籍，就好像鳥兒沒有翅膀。——莎士比亞

內容簡介

·學習基本PyTorch語法和設計模式。

·創建定製模型和數據變換。

·使用GPU和TPU訓練和部署模型。

·訓練和測試一個深度學習分類器。

·使用優化和分布式訓練加速訓練。

·利用PyTorch庫和PyTorch生態系統。

目錄

前言

第1章 PyTorch簡介

1.1 Py Torch是什麼？

1.2 為什麼使用PyTorch

1.3 新手指南

1.3.1 在 Google Colaboratory 中運行

1.3.2 在本地計算機上運行

1.3.3 在雲平台上運行

1.3.4 驗證你的PyTorch 環境

1.4 一個有趣的例子

第2章 張量

2.1 張量是什麼？

2.1.1 簡單CPU示例

2.1.2 簡單GPU示例

2.1.3 在CPU和GPU之間移動張量

2.2 創建張量

2.2.1 張量屬性

2.2.2 數據類型

2.2.3 由隨機樣本創建張量

2.2.4 創建類似其他張量的張量

2.3 張量操作

2.3.1 張量索引、切片、合併和拆分

2.3.2 張量數學運算

2.3.3 自動微分(Autograd）

第3章 使用 PyTorch的深度學習開發

3.1 完整過程

3.2 數據準備

3.2.1 數據加載

3.2.2 數據變換

3.2.3 數據批處理

3.2.4 一般數據準備(torch.utils.data)

3.3 模型開發

3.3.1 模型設計

3.3.2 訓練

3.3.3 驗證

3.3.4 測試

3.4 模型部署

3.4.1 保存模型

3.4.2 部署到Py Torch Hub

3.4.3 部署到生產環境

第4章 神經網絡開發參考設計

4.1 使用遷移學習完成圖像分類

4.1.1 數據處理

4.1.2 模型設計

4.1.3 訓練和驗證

4.1.4 測試和部署

4.2 用Torchtext完成情感分析

4.2.1 數據處理

4.2.2 模型設計

4.2.3 訓練和驗證

4.2.4 測試和部署

4.3 生成式學習一用DCGAN生成Fashion-MNIST圖像

4.3.1 數據處理

4.3.2 模型設計

4.3.3 訓練

4.3.4 測試和部署

第5章 定製PyTorch

5.1 定製層和激活函數

5.1.1 定製層示例（Complex Linear）

5.1.2 定製激活示例（Complex ReLU）

5.2 定製模型架構

5.3 定製損失函數

5.4 定製優化器算法

5.5 定製訓練、驗證和測試循環

第6章 PyTorch 加速和優化

6.1 TPU上使用PyTorch

6.2 （單機）多個GPU上使用PyTorch

6.2.1 數據並行處理

6.2.2 模型並行處理

6.2.3 結合數據並行處理和模型並行處理

6.3 （多機）分布式訓練

6.4 模型優化

6.4.1 超參數調優

6.4.2 量化

6.4.3 剪枝

第7章 PyTorch部署到生產環境

7.1 PyTorch部署工具和庫

7.1.1 通用示例模型

7.1.2 Python API

7.1.3 TorchScript

7.1.4 TorchServe

7.1.5 ONNX

7.1.6 Mobile 庫

7.2 部署到Flask應用

7.3 Colab Flask 應用

7.4 用TorchServe部署到雲

7.5 Docker快速入門

7.6 部署到移動和邊緣設備

7.6.1 iOS

7.6.2 Android

7.6.3 其他邊緣設備

第8章 PyTorch 生態系統和其他資源

8.1 Py Torch生態系統

8.2 面向圖像和視頻的 Torchvision

8.2.1 數據集和I/O

8.2.2 模型

8.2.3 變換、操作和實用工具

8.3 用於NLP的Torchtext

8.3.1 創建一個數據集對象

8.3.2 預處理數據

8.3.3 創建一個Dataloader 批處理

8.3.4 數據(torchtext.data)

8.3.5 數據集(torchtext.datasets)

8.3.6 詞彙表(torchtext.vocab)

8.4 用於可視化的TensorBoard

8.4.1 SCALARS顯示學習曲線

8.4.2 GRAPHS 顯示模型架構

8.4.3 IMAGES、TEXT和PROJECTOR顯示數據

8.4.4 DISTRIBUTIONS 和HISTOGRAMS 顯示權重分布

8.4.5 HPARAMS 顯示超參數

8.4.6 TensorBoard API

8.5 Papers with Code

8.6 其他PyTorch 資源

8.6.1 教程

8.6.2 圖書

8.6.3 在線課程和現場培訓