動手學深度學習（PyTorch版 精裝版）

對本書的贊譽
前言
譯者簡介
學習環(huán)境配置
資源與支持
主要符號表
第 1章　引言　1
1.1　日常生活中的機器學習　2
1.2　機器學習中的關鍵組件　3
1.2.1　數(shù)據(jù)　3
1.2.2　模型　4
1.2.3　目標函數(shù)　4
1.2.4　優(yōu)化算法　5
1.3　各種機器學習問題　5
1.3.1　監(jiān)督學習　5
1.3.2　無監(jiān)督學習　11
1.3.3　與環(huán)境互動　11
1.3.4　強化學習　12
1.4　起源　13
1.5　深度學習的發(fā)展　15
1.6　深度學習的成功案例　16
1.7　特點　17
第 2章　預備知識　20
2.1　數(shù)據(jù)操作　20
2.1.1　入門　21
2.1.2　運算符　22
2.1.3　廣播機制　23
2.1.4　索引和切片　24
2.1.5　節(jié)省內(nèi)存　24
2.1.6　轉換為其他Python對象　25
2.2　數(shù)據(jù)預處理　26
2.2.1　讀取數(shù)據(jù)集　26
2.2.2　處理缺失值　26
2.2.3　轉換為張量格式　27
2.3　線性代數(shù)　27
2.3.1　標量　28
2.3.2　向量　28
2.3.3　矩陣　29
2.3.4　張量　30
2.3.5　張量算法的基本性質(zhì)　31
2.3.6　降維　32
2.3.7　點積　33
2.3.8　矩陣-向量積　33
2.3.9　矩陣-矩陣乘法　34
2.3.10　范數(shù)　35
2.3.11　關于線性代數(shù)的更多信息　36
2.4　微積分　37
2.4.1　導數(shù)和微分　37
2.4.2　偏導數(shù)　40
2.4.3　梯度　41
2.4.4　鏈式法則　41
2.5　自動微分　42
2.5.1　一個簡單的例子　42
2.5.2　非標量變量的反向傳播　43
2.5.3　分離計算　43
2.5.4　Python控制流的梯度計算　44
2.6　概率　44
2.6.1　基本概率論　45
2.6.2　處理多個隨機變量　48
2.6.3　期望和方差　50
2.7　查閱文檔　51
2.7.1　查找模塊中的所有函數(shù)和類　51
2.7.2　查找特定函數(shù)和類的用法　52
第3章　線性神經(jīng)網(wǎng)絡　54
3.1　線性回歸　54
3.1.1　線性回歸的基本元素　54
3.1.2　向量化加速　57
3.1.3　正態(tài)分布與平方損失　58
3.1.4　從線性回歸到深度網(wǎng)絡　60
3.2　線性回歸的從零開始實現(xiàn)　61
3.2.1　生成數(shù)據(jù)集　62
3.2.2　讀取數(shù)據(jù)集　63
3.2.3　初始化模型參數(shù)　63
3.2.4　定義模型　64
3.2.5　定義損失函數(shù)　64
3.2.6　定義優(yōu)化算法　64
3.2.7　訓練　64
3.3　線性回歸的簡潔實現(xiàn)　66
3.3.1　生成數(shù)據(jù)集　66
3.3.2　讀取數(shù)據(jù)集　66
3.3.3　定義模型　67
3.3.4　初始化模型參數(shù)　67
3.3.5　定義損失函數(shù)　68
3.3.6　定義優(yōu)化算法　68
3.3.7　訓練　68
3.4　softmax回歸　69
3.4.1　分類問題　69
3.4.2　網(wǎng)絡架構　70
3.4.3　全連接層的參數(shù)開銷　70
3.4.4　softmax運算　71
3.4.5　小批量樣本的向量化　71
3.4.6　損失函數(shù)　72
3.4.7　信息論基礎　73
3.4.8　模型預測和評估　74
3.5　圖像分類數(shù)據(jù)集　74
3.5.1　讀取數(shù)據(jù)集　75
3.5.2　讀取小批量　76
3.5.3　整合所有組件　76
3.6　softmax回歸的從零開始實現(xiàn)　77
3.6.1　初始化模型參數(shù)　77
3.6.2　定義softmax操作　78
3.6.3　定義模型　78
3.6.4　定義損失函數(shù)　79
3.6.5　分類精度　79
3.6.6　訓練　80
3.6.7　預測　82
3.7　softmax回歸的簡潔實現(xiàn)　83
3.7.1　初始化模型參數(shù)　83
3.7.2　重新審視softmax的實現(xiàn)　84
3.7.3　優(yōu)化算法　84
3.7.4　訓練　84
第4章　多層感知機　86
4.1　多層感知機　86
4.1.1　隱藏層　86
4.1.2　激活函數(shù)　88
4.2　多層感知機的從零開始實現(xiàn)　92
4.2.1　初始化模型參數(shù)　92
4.2.2　激活函數(shù)　93
4.2.3　模型　93
4.2.4　損失函數(shù)　93
4.2.5　訓練　93
4.3　多層感知機的簡潔實現(xiàn)　94
模型　94
4.4　模型選擇、欠擬合和過擬合　95
4.4.1　訓練誤差和泛化誤差　96
4.4.2　模型選擇　97
4.4.3　欠擬合還是過擬合　98
4.4.4　多項式回歸　99
4.5　權重衰減　103
4.5.1　范數(shù)與權重衰減　103
4.5.2　高維線性回歸　104
4.5.3　從零開始實現(xiàn)　104
4.5.4　簡潔實現(xiàn)　106
4.6　暫退法　108
4.6.1　重新審視過擬合　108
4.6.2　擾動的穩(wěn)健性　108
4.6.3　實踐中的暫退法　109
4.6.4　從零開始實現(xiàn)　110
4.6.5　簡潔實現(xiàn)　111
4.7　前向傳播、反向傳播和計算圖　112
4.7.1　前向傳播　113
4.7.2　前向傳播計算圖　113
4.7.3　反向傳播　114
4.7.4　訓練神經(jīng)網(wǎng)絡　115
4.8　數(shù)值穩(wěn)定性和模型初始化　115
4.8.1　梯度消失和梯度爆炸　116
4.8.2　參數(shù)初始化　117
4.9　環(huán)境和分布偏移　119
4.9.1　分布偏移的類型　120
4.9.2　分布偏移示例　121
4.9.3　分布偏移糾正　122
4.9.4　學習問題的分類法　125
4.9.5　機器學習中的公平、責任和透明度　126
4.10　實戰(zhàn)Kaggle比賽：預測房價　127
4.10.1　下載和緩存數(shù)據(jù)集　127
4.10.2　Kaggle　128
4.10.3　訪問和讀取數(shù)據(jù)集　129
4.10.4　數(shù)據(jù)預處理　130
4.10.5　訓練　131
4.10.6　K折交叉驗證　132
4.10.7　模型選擇　133
4.10.8　提交Kaggle預測　133
第5章　深度學習計算　136
5.1　層和塊　136
5.1.1　自定義塊　138
5.1.2　順序塊　139
5.1.3　在前向傳播函數(shù)中執(zhí)行代碼　139
5.1.4　效率　140
5.2　參數(shù)管理　141
5.2.1　參數(shù)訪問　141
5.2.2　參數(shù)初始化　143
5.2.3　參數(shù)綁定　145
5.3　延后初始化　145
實例化網(wǎng)絡　146
5.4　自定義層　146
5.4.1　不帶參數(shù)的層　146
5.4.2　帶參數(shù)的層　147
5.5　讀寫文件　148
5.5.1　加載和保存張量　148
5.5.2　加載和保存模型參數(shù)　149
5.6　GPU　150
5.6.1　計算設備　151
5.6.2　張量與GPU　152
5.6.3　神經(jīng)網(wǎng)絡與GPU　153
第6章　卷積神經(jīng)網(wǎng)絡　155
6.1　從全連接層到卷積　155
6.1.1　不變性　156
6.1.2　多層感知機的限制　157
6.1.3　卷積　158
6.1.4　“沃爾多在哪里”回顧　158
6.2　圖像卷積　159
6.2.1　互相關運算　159
6.2.2　卷積層　161
6.2.3　圖像中目標的邊緣檢測　161
6.2.4　學習卷積核　162
6.2.5　互相關和卷積　162
6.2.6　特征映射和感受野　163
6.3　填充和步幅　164
6.3.1　填充　164
6.3.2　步幅　165
6.4　多輸入多輸出通道　166
6.4.1　多輸入通道　167
6.4.2　多輸出通道　167
6.4.3　1×1卷積層　168
6.5　匯聚層　170
6.5.1　最大匯聚和平均匯聚　170
6.5.2　填充和步幅　171
6.5.3　多個通道　172
6.6　卷積神經(jīng)網(wǎng)絡（LeNet）　173
6.6.1　LeNet　173
6.6.2　模型訓練　175
第7章　現(xiàn)代卷積神經(jīng)網(wǎng)絡　178
7.1　深度卷積神經(jīng)網(wǎng)絡（AlexNet）　178
7.1.1　學習表征　179
7.1.2　AlexNet　181
7.1.3　讀取數(shù)據(jù)集　183
7.1.4　訓練AlexNet　183
7.2　使用塊的網(wǎng)絡（VGG）　184
7.2.1　VGG塊　184
7.2.2　VGG網(wǎng)絡　185
7.2.3　訓練模型　186
7.3　網(wǎng)絡中的網(wǎng)絡（NiN）　187
7.3.1　NiN塊　187
7.3.2　NiN模型　188
7.3.3　訓練模型　189
7.4　含并行連接的網(wǎng)絡（GoogLeNet）　190
7.4.1　Inception塊　190
7.4.2　GoogLeNet模型　191
7.4.3　訓練模型　193
7.5　批量規(guī)范化　194
7.5.1　訓練深層網(wǎng)絡　194
7.5.2　批量規(guī)范化層　195
7.5.3　從零實現(xiàn)　196
7.5.4　使用批量規(guī)范化層的 LeNet　197
7.5.5　簡明實現(xiàn)　198
7.5.6　爭議　198
7.6　殘差網(wǎng)絡（ResNet）　200
7.6.1　函數(shù)類　200
7.6.2　殘差塊　201
7.6.3　ResNet模型　202
7.6.4　訓練模型　204
7.7　稠密連接網(wǎng)絡（DenseNet）　205
7.7.1　從ResNet到DenseNet　205
7.7.2　稠密塊體　206
7.7.3　過渡層　206
7.7.4　DenseNet模型　207
7.7.5　訓練模型　207
第8章　循環(huán)神經(jīng)網(wǎng)絡　209
8.1　序列模型　209
8.1.1　統(tǒng)計工具　210
8.1.2　訓練　212
8.1.3　預測　213
8.2　文本預處理　216
8.2.1　讀取數(shù)據(jù)集　216
8.2.2　詞元化　217
8.2.3　詞表　217
8.2.4　整合所有功能　219
8.3　語言模型和數(shù)據(jù)集　219
8.3.1　學習語言模型　220
8.3.2　馬爾可夫模型與n元語法　221
8.3.3　自然語言統(tǒng)計　221
8.3.4　讀取長序列數(shù)據(jù)　223
8.4　循環(huán)神經(jīng)網(wǎng)絡　226
8.4.1　無隱狀態(tài)的神經(jīng)網(wǎng)絡　227
8.4.2　有隱狀態(tài)的循環(huán)神經(jīng)網(wǎng)絡　227
8.4.3　基于循環(huán)神經(jīng)網(wǎng)絡的字符級語言模型　228
8.4.4　困惑度　229
8.5　循環(huán)神經(jīng)網(wǎng)絡的從零開始實現(xiàn)　230
8.5.1　獨熱編碼　231
8.5.2　初始化模型參數(shù)　231
8.5.3　循環(huán)神經(jīng)網(wǎng)絡模型　232
8.5.4　預測　232
8.5.5　梯度截斷　233
8.5.6　訓練　234
8.6　循環(huán)神經(jīng)網(wǎng)絡的簡潔實現(xiàn)　237
8.6.1　定義模型　237
8.6.2　訓練與預測　238
8.7　通過時間反向傳播　239
8.7.1　循環(huán)神經(jīng)網(wǎng)絡的梯度分析　239
8.7.2　通過時間反向傳播的細節(jié)　241
第9章　現(xiàn)代循環(huán)神經(jīng)網(wǎng)絡　244
9.1　門控循環(huán)單元（GRU）　244
9.1.1　門控隱狀態(tài)　245
9.1.2　從零開始實現(xiàn)　247
9.1.3　簡潔實現(xiàn)　248
9.2　長短期記憶網(wǎng)絡（LSTM）　249
9.2.1　門控記憶元　249
9.2.2　從零開始實現(xiàn)　252
9.2.3　簡潔實現(xiàn)　253
9.3　深度循環(huán)神經(jīng)網(wǎng)絡　254
9.3.1　函數(shù)依賴關系　255
9.3.2　簡潔實現(xiàn)　255
9.3.3　訓練與預測　255
9.4　雙向循環(huán)神經(jīng)網(wǎng)絡　256
9.4.1　隱馬爾可夫模型中的動態(tài)規(guī)劃　256
9.4.2　雙向模型　258
9.4.3　雙向循環(huán)神經(jīng)網(wǎng)絡的錯誤應用　259
9.5　機器翻譯與數(shù)據(jù)集　260
9.5.1　下載和預處理數(shù)據(jù)集　261
9.5.2　詞元化　262
9.5.3　詞表　263
9.5.4　加載數(shù)據(jù)集　263
9.5.5　訓練模型　264
9.6　編碼器-解碼器架構　265
9.6.1　編碼器　265
9.6.2　解碼器　266
9.6.3　合并編碼器和解碼器　266
9.7　序列到序列學習（seq2seq）　267
9.7.1　編碼器　268
9.7.2　解碼器　269
9.7.3　損失函數(shù)　270
9.7.4　訓練　271
9.7.5　預測　272
9.7.6　預測序列的評估　273
9.8　束搜索　275
9.8.1　貪心搜索　275
9.8.2　窮舉搜索　276
9.8.3　束搜索　276
第 10章　注意力機制　278
10.1　注意力提示　278
10.1.1　生物學中的注意力提示　279
10.1.2　查詢、鍵和值　280
10.1.3　注意力的可視化　280
10.2　注意力匯聚：Nadaraya-Watson 核回歸　281
10.2.1　生成數(shù)據(jù)集　282
10.2.2　平均匯聚　282
10.2.3　非參數(shù)注意力匯聚　283
10.2.4　帶參數(shù)注意力匯聚　284
10.3　注意力評分函數(shù)　287
10.3.1　掩蔽softmax操作　288
10.3.2　加性注意力　289
10.3.3　縮放點積注意力　290
10.4　Bahdanau 注意力　291
10.4.1　模型　291
10.4.2　定義注意力解碼器　292
10.4.3　訓練　293
10.5　多頭注意力　295
10.5.1　模型　295
10.5.2　實現(xiàn)　296
10.6　自注意力和位置編碼　298
10.6.1　自注意力　298
10.6.2　比較卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡和自注意力　298
10.6.3　位置編碼　299
10.7　Transformer　302
10.7.1　模型　302
10.7.2　基于位置的前饋網(wǎng)絡　303
10.7.3　殘差連接和層規(guī)范化　304
10.7.4　編碼器　304
10.7.5　解碼器　305
10.7.6　訓練　307
第 11章　優(yōu)化算法　311
11.1　優(yōu)化和深度學習　311
11.1.1　優(yōu)化的目標　311
11.1.2　深度學習中的優(yōu)化挑戰(zhàn)　312
11.2　凸性　315
11.2.1　定義　315
11.2.2　性質(zhì)　317
11.2.3　約束　319
11.3　梯度下降　322
11.3.1　一維梯度下降　322
11.3.2　多元梯度下降　324
11.3.3　自適應方法　326
11.4　隨機梯度下降　329
11.4.1　隨機梯度更新　329
11.4.2　動態(tài)學習率　331
11.4.3　凸目標的收斂性分析　332
11.4.4　隨機梯度和有限樣本　333
11.5　小批量隨機梯度下降　334
11.5.1　向量化和緩存　335
11.5.2　小批量　336
11.5.3　讀取數(shù)據(jù)集　337
11.5.4　從零開始實現(xiàn)　337
11.5.5　簡潔實現(xiàn)　340
11.6　動量法　341
11.6.1　基礎　341
11.6.2　實際實驗　345
11.6.3　理論分析　346
11.7　AdaGrad算法　348
11.7.1　稀疏特征和學習率　348
11.7.2　預處理　349
11.7.3　算法　350
11.7.4　從零開始實現(xiàn)　351
11.7.5　簡潔實現(xiàn)　352
11.8　RMSProp算法　353
11.8.1　算法　353
11.8.2　從零開始實現(xiàn)　354
11.8.3　簡潔實現(xiàn)　355
11.9　Adadelta算法　356
11.9.1　算法　356
11.9.2　實現(xiàn)　356
11.10　Adam算法　358
11.10.1　算法　358
11.10.2　實現(xiàn)　359
11.10.3　Yogi　360
11.11　學習率調(diào)度器　361
11.11.1　一個簡單的問題　361
11.11.2　學習率調(diào)度器　363
11.11.3　策略　364
第 12章　計算性能　369
12.1　編譯器和解釋器　369
12.1.1　符號式編程　370
12.1.2　混合式編程　371
12.1.3　Sequential的混合式編程　371
12.2　異步計算　372
通過后端異步處理　373
12.3　自動并行　375
12.3.1　基于GPU的并行計算　375
12.3.2　并行計算與通信　376
12.4　硬件　378
12.4.1　計算機　378
12.4.2　內(nèi)存　379
12.4.3　存儲器　380
12.4.4　CPU　381
12.4.5　GPU和其他加速卡　383
12.4.6　網(wǎng)絡和總線　385
12.4.7　更多延遲　386
12.5　多GPU訓練　388
12.5.1　問題拆分　388
12.5.2　數(shù)據(jù)并行性　390
12.5.3　簡單網(wǎng)絡　390
12.5.4　數(shù)據(jù)同步　391
12.5.5　數(shù)據(jù)分發(fā)　392
12.5.6　訓練　392
12.6　多GPU的簡潔實現(xiàn)　394
12.6.1　簡單網(wǎng)絡　394
12.6.2　網(wǎng)絡初始化　395
12.6.3　訓練　395
12.7　參數(shù)服務器　397
12.7.1　數(shù)據(jù)并行訓練　397
12.7.2　環(huán)同步（ring
　　　　synchronization）　399
12.7.3　多機訓練　400
12.7.4　鍵-值存儲　402
第 13章　計算機視覺　404
13.1　圖像增廣　404
13.1.1　常用的圖像增廣方法　404
13.1.2　使用圖像增廣進行訓練　408
13.2　微調(diào)　410
13.2.1　步驟　410
13.2.2　熱狗識別　411
13.3　目標檢測和邊界框　415
邊界框　415
13.4　錨框　417
13.4.1　生成多個錨框　417
13.4.2　交并比（IoU）　419
13.4.3　在訓練數(shù)據(jù)中標注錨框　420
13.4.4　使用非極大值抑制預測
　　　　邊界框　424
13.5　多尺度目標檢測　427
13.5.1　多尺度錨框　427
13.5.2　多尺度檢測　429
13.6　目標檢測數(shù)據(jù)集　430
13.6.1　下載數(shù)據(jù)集　430
13.6.2　讀取數(shù)據(jù)集　431
13.6.3　演示　432
13.7　單發(fā)多框檢測（SSD）　433
13.7.1　模型　433
13.7.2　訓練模型　437
13.7.3　預測目標　439
13.8　區(qū)域卷積神經(jīng)網(wǎng)絡（R-CNN）系列　441
13.8.1　R-CNN　441
13.8.2　Fast R-CNN　442
13.8.3　Faster R-CNN　443
13.8.4　Mask R-CNN　444
13.9　語義分割和數(shù)據(jù)集　445
13.9.1　圖像分割和實例分割　445
13.9.2　Pascal VOC2012 語義分割數(shù)據(jù)集　446
13.10　轉置卷積　450
13.10.1　基本操作　450
13.10.2　填充、步幅和多通道　451
13.10.3　與矩陣變換的聯(lián)系　452
13.11　全卷積網(wǎng)絡　453
13.11.1　構建模型　454
13.11.2　初始化轉置卷積層　455
13.11.3　讀取數(shù)據(jù)集　456
13.11.4　訓練　456
13.11.5　預測　457
13.12　風格遷移　458
13.12.1　方法　459
13.12.2　閱讀內(nèi)容和風格圖像　460
13.12.3　預處理和后處理　460
13.12.4　提取圖像特征　461
13.12.5　定義損失函數(shù)　461
13.12.6　初始化合成圖像　463
13.12.7　訓練模型　463
13.13　實戰(zhàn) Kaggle競賽：圖像分類（CIFAR-10）　464
13.13.1　獲取并組織數(shù)據(jù)集　465
13.13.2　圖像增廣 　467
13.13.3　讀取數(shù)據(jù)集　468
13.13.4　定義模型　468
13.13.5　定義訓練函數(shù)　468
13.13.6　訓練和驗證模型　469
13.13.7　在Kaggle上對測試集進行分類并提交結果　469
13.14　實戰(zhàn)Kaggle競賽：狗的品種識別（ImageNet Dogs）　470
13.14.1　獲取和整理數(shù)據(jù)集　471
13.14.2　圖像增廣　472
13.14.3　讀取數(shù)據(jù)集　472
13.14.4　微調(diào)預訓練模型　473
13.14.5　定義訓練函數(shù)　473
13.14.6　訓練和驗證模型　474
13.14.7　對測試集分類并在Kaggle提交結果　475
第 14章　自然語言處理：預訓練　476
14.1　詞嵌入（word2vec）　477
14.1.1　為何獨熱向量是一個糟糕的選擇　477
14.1.2　自監(jiān)督的word2vec　477
14.1.3　跳元模型　477
14.1.4　連續(xù)詞袋模型　478
14.2　近似訓練　480
14.2.1　負采樣　480
14.2.2　層序softmax　481
14.3　用于預訓練詞嵌入的數(shù)據(jù)集　482
14.3.1　讀取數(shù)據(jù)集　482
14.3.2　下采樣　483
14.3.3　中心詞和上下文詞的提取　484
14.3.4　負采樣　485
14.3.5　小批量加載訓練實例　486
14.3.6　整合代碼　487
14.4　預訓練word2vec　488
14.4.1　跳元模型　488
14.4.2　訓練　489
14.4.3　應用詞嵌入　491
14.5　全局向量的詞嵌入（GloVe）　491
14.5.1　帶全局語料庫統(tǒng)計的跳元模型　492
14.5.2　GloVe模型　492
14.5.3　從共現(xiàn)概率比值理解GloVe模型　493
14.6　子詞嵌入　494
14.6.1　fastText模型　494
14.6.2　字節(jié)對編碼　495
14.7　詞的相似度和類比任務　497
14.7.1　加載預訓練詞向量　497
14.7.2　應用預訓練詞向量　499
14.8　來自Transformer的雙向編碼器表示（BERT）　500
14.8.1　從上下文無關到上下文敏感　500
14.8.2　從特定于任務到不可知任務　501
14.8.3　BERT：將ELMo與GPT結合起來　501
14.8.4　輸入表示　502
14.8.5　預訓練任務　504
14.8.6　整合代碼　506
14.9　用于預訓練BERT的數(shù)據(jù)集　507
14.9.1　為預訓練任務定義輔助函數(shù)　508
14.9.2　將文本轉換為預訓練數(shù)據(jù)集　509
14.10　預訓練BERT　512
14.10.1　預訓練BERT　512
14.10.2　用BERT表示文本　514
第 15章　自然語言處理：應用　515
15.1　情感分析及數(shù)據(jù)集　516
15.1.1　讀取數(shù)據(jù)集　516
15.1.2　預處理數(shù)據(jù)集　517
15.1.3　創(chuàng)建數(shù)據(jù)迭代器　517
15.1.4　整合代碼　518
15.2　情感分析：使用循環(huán)神經(jīng)網(wǎng)絡　518
15.2.1　使用循環(huán)神經(jīng)網(wǎng)絡表示單個文本　519
15.2.2　加載預訓練的詞向量　520
15.2.3　訓練和評估模型　520
15.3　情感分析：使用卷積神經(jīng)網(wǎng)絡　521
15.3.1　一維卷積　522
15.3.2　最大時間匯聚層　523
15.3.3　textCNN模型　523
15.4　自然語言推斷與數(shù)據(jù)集　526
15.4.1　自然語言推斷　526
15.4.2　斯坦福自然語言推斷（SNLI）數(shù)據(jù)集　527
15.5　自然語言推斷：使用注意力　530
15.5.1　模型　530
15.5.2　訓練和評估模型　533
15.6　針對序列級和詞元級應用微調(diào)BERT　535
15.6.1　單文本分類　535
15.6.2　文本對分類或回歸　536
15.6.3　文本標注　537
15.6.4　問答　537
15.7　自然語言推斷：微調(diào)BERT　538
15.7.1　加載預訓練的BERT　539
15.7.2　微調(diào)BERT的數(shù)據(jù)集　540
15.7.3　微調(diào)BERT　541
附錄A　深度學習工具　543
A.1　使用Jupyter記事本　543
A.1.1　在本地編輯和運行代碼　543
A.1.2　高級選項　545
A.2　使用Amazon SageMaker　546
A.2.1　注冊　547
A.2.2　創(chuàng)建SageMaker實例　547
A.2.3　運行和停止實例　548
A.2.4　更新Notebook　548
A.3　使用Amazon EC2實例　549
A.3.1　創(chuàng)建和運行EC2實例　549
A.3.2　安裝CUDA　553
A.3.3　安裝庫以運行代碼　553
A.3.4　遠程運行Jupyter記事本　554
A.3.5　關閉未使用的實例　554
A.4　選擇服務器和GPU　555
A.4.1　選擇服務器　555
A.4.2　選擇GPU　556
A.5　為本書做貢獻　558
A.5.1　提交微小更改　558
A.5.2　大量文本或代碼修改　559
A.5.3　提交主要更改　559
參考文獻　562