深度学习框架PyTorch:入门与实践
陈云🐢 Descargas lentas
Las descargas gratuitas ilimitadas son accesibles a través de nuestra lista de espera, un sistema diseñado para dar a todos un acceso justo.
🚀 Descargas rápidas
🚀 Descargas rápidas Conviértete en miembro para apoyar la preservación a largo plazo de libros, artículos y más. Para mostrar nuestra gratitud por tu apoyo obtienes descargas rápidas. ❤️
-
Necesitará un lector de ebooks o PDF para abrir el archivo, dependiendo del formato del archivo.
Lectores de ebooks recomendados: ReadEra y Calibre -
Utilice herramientas en línea para convertir entre formatos.
Herramientas de conversión recomendadas: CloudConvert -
Puede enviar archivos PDF y EPUB a su Kindle o Kobo eReader.
Herramientas recomendadas: “Enviar a Kindle” de Amazon y “Enviar a Kobo/Kindle” de djazz
动手学深度学习 PyTorch 版 2020.3.13
lgrsnf/动手学深度学习 PyTorch 版 2020.3.13.epub
PyTorch 1.x 自然语言处理实用指南(初译)
lgrsnf/PyTorch 1.x 自然语言处理实用指南（初译）.epub
PyTorch生成对抗网络编程(畅销书《Python神经网络编程》作者最新力作!用PyTorch构建自己的生成对抗网络)
A gentle introduction to Generative Adversarial Networks, and a practical step-by-step tutorial on making your own with PyTorch. This beginner-friendly guide will give you hands-on It will introduce GANs, one of the most exciting areas of machine Beyond the very basics, readers can explore more sophisticated The appendices will be useful for students of machine learning as they explain themes often skipped over in many All code is available publicly as open source on github.
PyTorch生成对抗网络编程（畅销书《Python神经网络编程》作者最新力作！用PyTorch构建自己的生成对抗网络）
畅销书《Python神经网络编程》作者最新力作;全彩印刷,配套示例代码,图文并茂,易懂实用;从零开始,用PyTorch构建自己的生成对抗网络。生成对抗网络(Generative Adversarial Network,GAN)是神经网络领域的一颗新星,被誉为“机器 学习领域近 20 年来最酷的想法”。本书以直白、简短的方式向读者介绍了生成对抗网络,指导读者如何使用PyTorch 按部就班地编写生成对抗网络。全书共3章和5个附录,分别介绍了PyTorch基础知识,用PyTorch开发神经网络,改良神经网络以提升效果,引入CUDA和GPU以加速GAN训练,以及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了在很多机器学习相关教程中被忽略的主题,包括计算平衡GAN的理想损失值、概率分布和采样,以及卷积如何工作,还简单解释了为什么梯度下降不适用于对抗式机器学习。本书适合想初步了解GAN以及其工作原理的读者,也适合想要学习如何构建GAN的机器学习从业人员。对于正在学习机器学习相关课程的学生,本书可以帮助读者快速入门,为后续的学习打好基础。
深度学习框架PyTorch : 入门与实践
Ben shu cong duo wei shu zu Tensor kai shi,Xun xu jian jin di dai ling du zhe le jie PyTorch ge fang mian de ji chu zhi shi,Bing jie he ji chu zhi shi he qian yan yan jiu,Dai ling du zhe cong ling kai shi wan cheng ji ge jing dian you qu de shen du xue xi xiao mu,Bao kuo GAN sheng cheng dong man tou xiang,AI lü jing,AI xie shi deng
深度学习入门之 PyTorch
本书共7章,内容包括:深度学习介绍,深度学习框架,多层全连接神经网络,卷积神经网络,循环神经网络,生成对抗网络,深度学习实战
深度学习框架PyTorch : 入门与实践
Ben shu cong duo wei shu zu Tensor kai shi,Xun xu jian jin di dai ling du zhe le jie PyTorch ge fang mian de ji chu zhi shi,Bing jie he ji chu zhi shi he qian yan yan jiu,Dai ling du zhe cong ling kai shi wan cheng ji ge jing dian you qu de shen du xue xi xiao mu,Bao kuo GAN sheng cheng dong man tou xiang,AI lü jing,AI xie shi deng
深度学习入门 : 基于Python的理论与实现 = Deep learning from Scratch Shen du xue xi ru men : Ji yu Python de li lun yu shi xian = Deep learning from Scratch
Ben shu bu jin jie shao le shen du xue xi he shen jing wang luo de gai nian,Te zheng deng ji chu zhi shi,Dui wu cha fan xiang chuan bo fa,Juan ji shen jing wang luo deng ye you shen ru jiang jie,Ci wai hai jie shao le shen du xue xi xiang guan de shi yong ji qiao,Zi dong jia shi,Tu xiang sheng cheng,Qiang hua xue xi deng fang mian de ying yong,Yi ji wei shen me jia shen ceng ke yi ti gao shi bie jing du deng yi nan de wen ti
Python深度学习 : 基于PyTorch = Deep learning with Python and PyTorch
这是一本基于最新的Python和PyTorch版本的深度学习著作,旨在帮助读者低门槛进入深度学习领域,轻松速掌握深度学习的理论知识和实践方法,快速实现从入门到进阶的转变。 本书是多位人工智能技术专家和大数据技术专家多年工作经验的结晶,从工具使用、技术原理、算法设计、案例实现等多个维度对深度学习进行了系统的讲解。内容选择上,广泛涉猎、重点突出、注重实战;内容安排上,实例切入、由浅入深、循序渐进;表达形式上,深度抽象、化繁为简、用图说话。 本书共16章,分为三部分: 第一部分(第1~4章) PyTorch基础 首先讲解了机器学习和数据科学中必然会用到的工具Numpy的使用,然后从多个角度讲解了Pytorch的必备基础知识,最后详细讲解了Pytorch的神经网络工具箱和数据处理工具箱。 第二部分(第5~8章) 深度学习基础 这部分从技术原理、算法设计、实... 这是一本基于最新的Python和PyTorch版本的深度学习著作,旨在帮助读者低门槛进入深度学习领域,轻松速掌握深度学习的理论知识和实践方法,快速实现从入门到进阶的转变。 本书是多位人工智能技术专家和大数据技术专家多年工作经验的结晶,从工具使用、技术原理、算法设计、案例实现等多个维度对深度学习进行了系统的讲解。内容选择上,广泛涉猎、重点突出、注重实战;内容安排上,实例切入、由浅入深、循序渐进;表达形式上,深度抽象、化繁为简、用图说话。 本书共16章,分为三部分: 第一部分(第1~4章) PyTorch基础 首先讲解了机器学习和数据科学中必然会用到的工具Numpy的使用,然后从多个角度讲解了Pytorch的必备基础知识,最后详细讲解了Pytorch的神经网络工具箱和数据处理工具箱。 第二部分(第5~8章) 深度学习基础 这部分从技术原理、算法设计、实践技巧等维度讲解了机器学习和深度学习的经典理理论、算法以及提升深度学习模型性能的多种技巧,涵盖视觉处理、NLP和生成式深度学习等主题。 第三部分(第9~16章) 深度学习实践 这部分从工程实践的角度讲解了深度学习的工程方法和在一些热门领域的实践方案,具体包括人脸识别、图像修复、图像增强、风格迁移、中英文互译、生成式对抗网络、对抗攻击、强化学习、深度强化学习等内容。
深度学习框架PyTorch : 入门与实践
Ben shu cong duo wei shu zu Tensor kai shi,Xun xu jian jin di dai ling du zhe le jie PyTorch ge fang mian de ji chu zhi shi,Bing jie he ji chu zhi shi he qian yan yan jiu,Dai ling du zhe cong ling kai shi wan cheng ji ge jing dian you qu de shen du xue xi xiao mu,Bao kuo GAN sheng cheng dong man tou xiang,AI lü jing,AI xie shi deng
深度学习框架PyTorch : 入门与实践
Ben shu cong duo wei shu zu Tensor kai shi,Xun xu jian jin di dai ling du zhe le jie PyTorch ge fang mian de ji chu zhi shi,Bing jie he ji chu zhi shi he qian yan yan jiu,Dai ling du zhe cong ling kai shi wan cheng ji ge jing dian you qu de shen du xue xi xiao mu,Bao kuo GAN sheng cheng dong man tou xiang,AI lü jing,AI xie shi deng
pytorch 深度学习实战
[美]伊莱·史蒂文斯（elistevens），[意]卢卡·安蒂加（lucaa
本书介绍使用Python和PyTorch实现深度学习算法.全书共15章:深度学习和PyTorch库简介;预训练网络;从张量开始;使用张量表征真实数据;学习的机制;使用神经网络拟合数据;区分鸟和飞机:从图像学习;使用卷积进行泛化;使用PyTorch来检测癌症;将数据源组合成统一的数据集;训练分类模型以检测可疑肿瘤;通过指标和数据增强来提升训练;利用分割法寻找可疑结节;端到端的结节分析及下一步的方向;部署到生产环境等