PyTorch深度學(xué)習(xí)入門

第 一部分　基礎(chǔ)篇
第　1章 準(zhǔn)備工作　2
1．1　硬件配置　2
1．2　在Mac OS X系統(tǒng)下配置PyTorch運(yùn)行環(huán)境　6
1．3　在Ubuntu系統(tǒng)下配置PyTorch運(yùn)行環(huán)境　8
1．4　在Windows系統(tǒng)下配置PyTorch運(yùn)行環(huán)境　14
第　2章 Tensor基礎(chǔ)　17
2．1　Tensor　17
2．2　Autograd　30
第3章　深度學(xué)習(xí)基礎(chǔ)　35
3．1　機(jī)器學(xué)習(xí)　35
3．2　線性回歸　38
3．3　非線性回歸　53
3．4　邏輯回歸　58
3．5　多元分類　66
3．6　反向傳播　70
3．7　卷積神經(jīng)網(wǎng)絡(luò)　72
3．8　手寫字體識(shí)別　78
3．9　fastai手寫字體識(shí)別　86
第二部分　實(shí)戰(zhàn)篇
第4章　遷移學(xué)習(xí)　90
4．1　經(jīng)典圖像模型　90
4．2　遷移學(xué)習(xí)實(shí)戰(zhàn)　100
4．3　使用fastai實(shí)現(xiàn)遷移學(xué)習(xí)　109
第5章　序列轉(zhuǎn)序列模型　111
5．1　循環(huán)神經(jīng)網(wǎng)絡(luò)模型　111
5．2　神經(jīng)翻譯機(jī)簡介　119
5．3　利用PyTorch構(gòu)造神經(jīng)翻譯機(jī)　122
第6章　生成對(duì)抗網(wǎng)絡(luò)　138
6．1　生成對(duì)抗網(wǎng)絡(luò)概覽　138
6．2　使用生成對(duì)抗網(wǎng)絡(luò)生成二次元頭像　142
6．3　使用TorchGAN生成二次元頭像　149
第7章　深度強(qiáng)化學(xué)習(xí)　153
7．1　深度強(qiáng)化學(xué)習(xí)　153
7．2　基于策略的算法　155
7．3　基于值的算法　157
7．4　Gym簡介　161
7．5　Q-Learning實(shí)戰(zhàn)　163
第8章　風(fēng)格遷移　168
8．1　風(fēng)格遷移原理　168
8．2　風(fēng)格遷移實(shí)踐　174
第三部分　高級(jí)篇
第9章　PyTorch擴(kuò)展　184
9．1　自定義神經(jīng)網(wǎng)絡(luò)層　184
9．2　C++加載PyTorch模型　189
第　10章 PyTorch模型遷移　193
10．1　ONNX簡介　193
10．2　使用ONNX將PyTorch模型遷移至Caffe2　196
10．3　使用ONNX將PyTorch模型遷移至Core　ML　199
第　11章 PyTorch可視化　201
11．1　使用visdom實(shí)現(xiàn)PyTorch可視化　201
11．2　使用TensorBoard實(shí)現(xiàn)PyTorch可視化　213
11．3　使用Netron顯示模型　221
第　12章 PyTorch的并行計(jì)算　223
12．1　多進(jìn)程　223
12．2　多GPU并行計(jì)算　231