出版科技科普PyTorch深度学习与企业级项目实战
PyTorch深度学习与企业级项目实战

PyTorch深度学习与企业级项目实战

人工智能技术丛书

作者宋立桓宋立林

类别 出版 / 非虚构

出版社清华大学出版社 / 2024-03

提供方清华大学出版社

字数约 108,000 字

ISBN9787302657026

暂无评价综合评分的显示会考虑用户真实性等多项因素，每部作品出现综合评分的时间不定。
0 评价豆瓣读书
分享到豆瓣分享到微信分享到微博分享到QQ好友分享到QQ空间
￥48.30
加载中，请稍候……

作品简介

《PyTorch深度学习与企业级项目实战》立足于具体的企业级项目开发实践，以通俗易懂的方式详细介绍PyTorch深度学习的基础理论以及相关的必要知识，同时以实际动手操作的方式来引导读者入门人工智能深度学习。本书配套示例项目源代码、数据集、PPT课件与作者微信群答疑服务。

《PyTorch深度学习与企业级项目实战》共分18章，内容主要包括人工智能、机器学习和深度学习之间的关系，深度学习框架PyTorch2.0的环境搭建，Python数据科学库，深度学习基本原理，PyTorch2.0入门，以及13个实战项目：迁移学习花朵识别、垃圾分类识别、短期电力负荷预测、空气质量预测、手写数字识别、人脸识别与面部表情识别、图像风格迁移、糖尿病预测、基于GAN生成动漫人物画像、基于大语言模型的NLP、猴痘病毒识别项目实战、X光肺部感染识别项目实战、乐器声音音频识别项目实战。

《PyTorch深度学习与企业级项目实战》适合PyTorch深度学习初学者、深度学习算法从业培训人员、深度学习应用开发人员阅读，也适合作为高等院校或高职高专深度学习课程的教材。

宋立桓，资深IT专家，目前为国内某互联网头部企业的解决方案架构师，专注于云计算、大数据和人工智能。曾就职于微软中国有限公司。著有图书《Python深度学习从零开始学》《Cloudera Hadoop大数据平台实战指南》《MySQL性能优化和高可用架构实践》《AI制胜：机器学习极简入门》《元宇宙：互联网新未来》等。

展开全部

作品目录

  1. 内容简介
  2. 主要作者简介
  3. 图书推荐
  4. 前言
  5. 第1章　人工智能、机器学习与深度学习简介
  6. 1.1　什么是人工智能
  7. 1.2　人工智能的本质
  8. 1.3　人工智能相关专业人才就业前景
  9. 1.4　机器学习和深度学习
  10. 1.5　小白如何学深度学习
  11. 第2章　深度学习框架PyTorch开发环境搭建
  12. 2.1　PyCharm的安装和使用技巧
  13. 2.2　在Windows环境下安装CPU版的PyTorch
  14. 2.3　在Windows环境下安装GPU版的PyTorch
  15. 第3章　Python数据科学库
  16. 3.1　张量、矩阵和向量的区别
  17. 3.2　数组和矩阵运算库NumPy
  18. 3.3　数据分析处理库Pandas
  19. 3.4　数据可视化库Matplotlib介绍
  20. 第4章　深度学习的基本原理
  21. 4.1　神经网络原理阐述
  22. 4.2　卷积神经网络
  23. 4.3　卷积神经网络经典模型架构简介
  24. 4.4　常用的模型评估指标
  25. 第5章　深度学习框架PyTorch入门
  26. 5.1　Tensor
  27. 5.2　使用GPU加速
  28. 5.3　自动求导
  29. 5.4　PyTorch神经网络
  30. 5.5　PyTorch入门实战：CIFAR-10图像分类
  31. 第6章　迁移学习花朵识别项目实战
  32. 6.1　迁移学习简介
  33. 6.2　什么是预训练模型
  34. 6.3　如何使用预训练模型
  35. 6.4　使用迁移学习技术实现花朵识别
  36. 6.5　迁移学习总结
  37. 第7章　垃圾分类识别项目实战
  38. 7.1　垃圾分类识别项目背景
  39. 7.2　垃圾分类背后的技术
  40. 7.3　垃圾图片数据集介绍
  41. 7.4　MnasNet模型介绍
  42. 7.5　垃圾分类识别项目代码分析
  43. 第8章　短期电力负荷预测项目实战
  44. 8.1　电力负荷预测项目背景
  45. 8.2　电力负荷预测的意义
  46. 8.3　电力负荷数据的获取
  47. 8.4　一维卷积1D-CNN
  48. 8.5　项目代码分析
  49. 第9章　空气质量识别分类与预测项目实战
  50. 9.1　空气质量识别分类与预测项目背景
  51. 9.2　主成分分析
  52. 9.3　聚类分析（K-Means）
  53. 9.4　项目代码分析
  54. 第10章　手写数字识别项目实战
  55. 10.1　手写数字识别项目背景
  56. 10.2　手写数字数据集
  57. 10.3　LeNet5模型构建
  58. 10.4　模型训练和测试
  59. 10.5　项目完整代码介绍
  60. 10.6　项目总结
  61. 第11章　人脸识别及表情识别实战
  62. 11.1　人脸识别
  63. 11.2　人脸识别项目实战
  64. 11.3　面部表情识别项目实战
  65. 第12章　图像风格迁移项目实战
  66. 12.1　图像风格迁移简介
  67. 12.2　使用预训练的VGG-16模型进行图像风格迁移
  68. 第13章　基于GAN生成动漫人物图像项目实战
  69. 13.1　什么是生成式对抗网络
  70. 13.2　生成式对抗网络的算法细节
  71. 13.3　循环生成对抗网络CycleGAN
  72. 13.4　基于生成式对抗网络生成动漫人物图像
  73. 第14章　糖尿病预测项目实战
  74. 14.1　糖尿病预测项目背景
  75. 14.2　糖尿病数据集介绍
  76. 14.3　LSTM-CNN模型
  77. 14.4　实战项目代码分析
  78. 第15章　基于大语言模型的自然语言处理项目实战
  79. 15.1　自然语言处理Embedding层详解
  80. 15.2　Transformer模型简介
  81. 15.3　预训练语言模型GPT
  82. 15.4　基于Transformer模型的谣言检测系统的实现
  83. 15.5　基于GPT2在新闻文本分类项目中的实现
  84. 第16章　猴痘病毒识别项目实战
  85. 16.1　猴痘病毒识别项目背景
  86. 16.2　ResNet101模型
  87. 16.3　实战项目代码分析
  88. 第17章　X光肺部感染识别项目实战
  89. 17.1　X光肺部感染识别项目背景
  90. 17.2　项目所用到的图像分类模型
  91. 17.3　实战项目代码分析
  92. 第18章　乐器声音音频识别项目实战
  93. 18.1　音频与声音数字化
  94. 18.2　音频深度学习
  95. 18.3　音频处理的应用场景
  96. 18.4　实战项目代码分析
展开全部
载入中