【导读】Pytorch官网Pytorch.org最近发布了一本开源书深度学习《Deep Learning with PyTorch》,共522页pdf,限时开放,涵盖了深度学习和Pytorch库的介绍,预训练网络,张量,学习机制,数据神经网络学习。书里面有详实的代码,是入门学习Pytorch深度学习必备器物,不得不看!
网址:
https://pytorch.org/deep-learning-with-pytorch
作者介绍:
Eli Stevens过去15年一直在硅谷工作,是一名软件工程师,过去7年一直是一家制造医疗设备软件的初创公司的首席技术官。
Luca Antiga是位于意大利贝加莫的一家人工智能工程公司的联合创始人兼首席执行官,也是PyTorch的定期贡献者。
《PyTorch 深度学习》旨在指导人们开始自己的 AI/机器学习开发之路,全书总共有15 个章节
深度学习与PyTorch教你创建神经网络和深度学习系统与PyTorch。这本实用的书将快速引导您从零开始构建一个真实世界的示例:一个肿瘤图像分类器。一路上,它涵盖了整个DL管道的最佳实践,包括PyTorch张量API、用Python加载数据、监控培训和可视化结果。在涵盖了基础知识之后,本书将带您进入一个更大的项目之旅。这本书的核心是一个为癌症检测而设计的神经网络。您将发现用有限的输入训练网络的方法,并开始处理数据以获得一些结果。您将筛选不可靠的初始结果,并专注于如何诊断和修复神经网络中的问题。最后,您将了解通过使用增强数据进行训练、改进模型体系结构以及执行其他微调来改善结果的方法。
使用PyTorch的深度学习提供了一个详细的、实际操作的介绍,本书介绍如何使用PyTorch构建和训练神经网络,PyTorch是一个流行的开源机器学习框架。这本书包括:
深度学习模型自动地学习将输入和期望的输出与示例联系起来。像PyTorch这样的库允许您高效地构建和训练神经网络模型。
PyTorch最小化了认知开销,同时注重灵活性和速度。它还默认为立即执行操作。
TorchScript是一种可以从c++调用的预编译延迟执行模式。
自2017年初发布PyTorch以来,深度学习工具生态系统得到了显著的巩固。
PyTorch提供了几个实用程序库来促进深度学习项目。
神经网络将浮点表示法转换为其他浮点表示法,而开始和结束表示法通常是可由人类解释的。中间的表示法则不然。
这些浮点表示存储在张量。
张量是PyTorch多维数组和基本的数据结构。
PyTorch有张量的综合标准库创建和操纵和数学运算。
张量可以序列化到磁盘和加载。
PyTorch张量操作可以执行的CPU和GPU上没有修改代码。
PyTorch使用拖曳下划线来表示一个函数运行就地一个张量(如Tensor.sqrt_)
深度神经网络学习如何将输入表示转换为输出表示
约翰内斯·开普勒考虑了多个可能适合手头数据的候选模型,最终选定了一个椭圆。
利用autograd软件计算出模型的正向图和反向图
人工神经元:包含在非线性函数中的线性变换
一个三层的神经网络架构
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“P522” 就可以获取《【Pytorch官方书】PyTorch 深度学习, 三部分15章节,522页pdf, 必备宝典, 通俗易懂》专知下载链接