深度学习框架PyTorch快速开发与实战2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

深度学习框架PyTorch快速开发与实战PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 理论部分2

第1章 深度学习简介2

1.1 深度学习2

1.2 神经网络的发展6

1.3 深度学习的应用7

1.4 常用的数学知识和机器学习算法8

1.5 PyTorch简介11

1.5.1 PyTorch介绍11

1.5.2 使用PyTorch的公司15

1.5.3 PyTorch API16

1.5.4 为什么选择Python语言16

1.5.5 Python语言的特点16

1.6 常用的机器学习、深度学习开源框架17

1.7 其他常用的模块库19

1.8 深度学习常用名词20

第2章 PyTorch环境安装33

2.1 基于Ubuntu境的安装33

2.1.1 安装Anaconda35

2.1.2 设置国内镜像36

2.2 Conda命令安装PyTorch37

2.3 pip命令安装PyTorch37

2.4 配置CUDA38

第3章 PyTorch基础知识40

3.1 张量40

3.2 数学操作43

3.3 数理统计44

3.4 比较操作45

第4章 简单案例入门47

4.1 线性回归47

4.2 逻辑回归52

第5章 前馈神经网络59

5.1 实现前馈神经网络61

5.2 数据集68

5.3 卷积层72

5.4 Functional函数75

5.5 优化算法82

5.6 自动求导机制85

5.7 保存和加载模型87

5.8 GPU加速运算87

第6章 PyTorch可视化工具89

6.1 Visdom介绍89

6.2 Visdom基本概念90

6.2.1 Panes（窗格）90

6.2.2 Environments（环境）90

6.2.3 State（状态）91

6.3 安装Visdom91

6.4 可视化接口91

6.4.1 Python函数属性提取技巧92

6.4.2 vis.text93

6.4.3 vis.image93

6.4.4 vis.scatter94

6.4.5 vis.line95

6.4.6 vis.stem97

6.4.7 vis.heatmap97

6.4.8 vis.bar99

6.4.9 vis.histogram101

6.4.10 vis.boxplot102

6.4.11 vis.surf103

6.4.12 vis.contour104

6.4.13 vis.mesh106

6.4.14 vis.svg107

第二部分 实战部分110

第7章 卷积神经网络110

7.1 卷积层112

7.2 池化层114

7.3 经典的卷积神经网络115

7.3.1 LeNet-5神经网络结构115

7.3.2 ImageNet-2010网络结构117

7.3.3 VGGNet网络结构122

7.3.4 GoodLeNet网络结构124

7.3.5 ResNet网络结构126

7.4 卷积神经网络案例129

7.5 深度残差模型案例138

第8章 循环神经网络简介145

8.1 循环神经网络模型结构146

8.2 不同类型的RNN147

8.3 LSTM结构具体解析151

8.4 LSTM的变体153

8.5 循环神经网络实现156

8.5.1 循环神经网络案例156

8.5.2 双向RNN案例160

第9章 自编码模型164

第10章 对抗生成网络172

10.1 DCGAN原理175

10.2 GAN对抗生成网络实例180

第11章 Seq2seq自然语言处理186

11.1 Seq2seq自然语言处理简介186

11.2 Seq2seq自然语言处理案例188

第12章 利用PyTorch实现量化交易204

12.1 线性回归预测股价205

12.2 前馈神经网络预测股价209

12.3 递归神经网络预测股价214