PyTorch深度學習入門

第 一部分　基礎篇
第　1章 準備工作　2
1．1　硬件配置　2
1．2　在Mac OS X系統(tǒng)下配置PyTorch運行環(huán)境　6
1．3　在Ubuntu系統(tǒng)下配置PyTorch運行環(huán)境　8
1．4　在Windows系統(tǒng)下配置PyTorch運行環(huán)境　14
第　2章 Tensor基礎　17
2．1　Tensor　17
2．2　Autograd　30
第3章　深度學習基礎　35
3．1　機器學習　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　72
3．8　手寫字體識別　78
3．9　fastai手寫字體識別　86
第二部分　實戰(zhàn)篇
第4章　遷移學習　90
4．1　經(jīng)典圖像模型　90
4．2　遷移學習實戰(zhàn)　100
4．3　使用fastai實現(xiàn)遷移學習　109
第5章　序列轉(zhuǎn)序列模型　111
5．1　循環(huán)神經(jīng)網(wǎng)絡模型　111
5．2　神經(jīng)翻譯機簡介　119
5．3　利用PyTorch構造神經(jīng)翻譯機　122
第6章　生成對抗網(wǎng)絡　138
6．1　生成對抗網(wǎng)絡概覽　138
6．2　使用生成對抗網(wǎng)絡生成二次元頭像　142
6．3　使用TorchGAN生成二次元頭像　149
第7章　深度強化學習　153
7．1　深度強化學習　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實戰(zhàn)　163
第8章　風格遷移　168
8．1　風格遷移原理　168
8．2　風格遷移實踐　174
第三部分　高級篇
第9章　PyTorch擴展　184
9．1　自定義神經(jīng)網(wǎng)絡層　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實現(xiàn)PyTorch可視化　201
11．2　使用TensorBoard實現(xiàn)PyTorch可視化　213
11．3　使用Netron顯示模型　221
第　12章 PyTorch的并行計算　223
12．1　多進程　223
12．2　多GPU并行計算　231