PyTorch深度學(xué)習(xí)實戰(zhàn)

譯者序
前言
作者簡介
審校者簡介
第1章　深度學(xué)習(xí)回顧和PyTorch簡介1
11　PyTorch的歷史2
12　PyTorch是什么3
121　安裝PyTorch4
122　PyTorch流行的原因5
13　使用計算圖7
131　使用靜態(tài)圖8
132　使用動態(tài)圖11
14　探索深度學(xué)習(xí)13
15　開始編寫代碼22
151　學(xué)習(xí)基本操作22
152　PyTorch的內(nèi)部邏輯28
16　總結(jié)31
參考資料32
第2章　一個簡單的神經(jīng)網(wǎng)絡(luò)33
21　問題概述33
22　數(shù)據(jù)集34
23　新手模型38
24　PyTorch方式49
241　高階API50
242　functional模塊55
243　損失函數(shù)57
244　優(yōu)化器57
25　總結(jié)59
參考資料59
第3章　深度學(xué)習(xí)工作流60
31　構(gòu)思和規(guī)劃61
32　設(shè)計和實驗62
321　數(shù)據(jù)集和DataLoader類62
322　實用程序包65
33　模型實現(xiàn)75
34　訓(xùn)練和驗證79
35　總結(jié)86
參考資料 86
第4章　計算機視覺87
41　CNN簡介87
42　將PyTorch應(yīng)用于計算機視覺90
421　簡單CNN90
422　語義分割99
43　總結(jié)112
參考資料112
第5章　序列數(shù)據(jù)處理114
51　循環(huán)神經(jīng)網(wǎng)絡(luò)簡介114
52　問題概述116
53　實現(xiàn)方法116
531　簡單RNN117
532　高級RNN130
533　遞歸神經(jīng)網(wǎng)絡(luò)137
54　總結(jié)141
參考資料142
第6章　生成網(wǎng)絡(luò)143
61　方法定義144
62　自回歸模型145
621　PixelCNN147
622　WaveNet153
63　GAN161
631　簡單GAN161
632　CycleGAN168
64　總結(jié)173
參考資料173
第7章　強化學(xué)習(xí)175
71　問題定義177
72　回合制任務(wù)與連續(xù)任務(wù)178
73　累積折扣獎勵179
74　馬爾可夫決策過程180
75　解決方法182
751　策略和價值函數(shù)182
752　貝爾曼方程183
753　深度Q學(xué)習(xí)184
754　經(jīng)驗回放186
755　Gym186
76　總結(jié)194
參考資料194
第8章　將PyTorch應(yīng)用到生產(chǎn)195
81　使用Flask提供服務(wù)196
82　ONNX202
83　使用TorchScript提高效率215
84　探索RedisAI218
85　總結(jié)222
參考資料223