PyTorch深度学习实战：从新手小白到数据科学家

封面

版权信息

作者简介

内容简介

前言

第1章 初识PyTorch

1.1 神经网络发展简史

1.2 环境安装

1.3 PyTorch的核心概念

1.4 实验室小试牛刀

1.5 加油站之高等数学知识回顾

第2章 机器学习快速入门

2.1 机器学习的分类

2.2 机器学习的常见概念

2.3 神经网络

2.4 实现线性回归、多项式回归和逻辑回归

2.5 加油站之高等数学知识回顾

第3章 PyTorch与科学计算

3.1 算子字典

3.2 广播机制

3.3 GPU设备及并行编程

3.4 实验室小试牛刀之轻松搞定图片分类

3.5 加油站之高等数学知识回顾

第4章 激活函数、损失函数、优化器及数据加载

4.1 激活函数

4.2 损失函数

4.3 优化器

4.4 数据加载

4.5 初探卷积神经网络

4.6 实验室小试牛刀

第5章 PyTorch深度神经网络

5.1 计算机视觉工具包

5.2 训练过程的可视化

5.3 深度神经网络

5.4 循环神经网络

5.5 实验室小试牛刀

5.6 加油站之概率论基础知识回顾

第6章 自然语言处理

6.1 自然语言基础

6.2 提取关键字

6.3 Word2vec和词嵌入

6.4 变长序列处理

6.5 Encoder-Decoder框架和注意力机制

6.6 实验室小试牛刀之对话机器人

6.7 加油站之常见的几种概率分布

第7章 自然语言的曙光：预训练模型

7.1 预训练模型的应用

7.2 从词嵌入到ELMo

7.3 从ELMo模型到GPT模型

7.4 从GPT模型到BERT模型

第8章 自然语言处理利器：AllenNLP

8.1 中文词性标注

8.2 AllenNLP使用Config Files

第9章 FastAI高层深度学习框架

9.1 FastAI框架中的原语

9.2 在FastAI框架中使用BERT模型完成中文分类

第10章 PyTorch Big Graph嵌入

10.1 PyTorch Big Graph简介

10.2 PBG实践应用