成人亚洲国产综合精品91,国产亚洲精品sese在线播放

內(nèi)容簡介

　　深度學習已經(jīng)成為人工智能炙手可熱的技術(shù)，PyTorch是一個較新的、容易上手的深度學習開源框架，目前已得到廣泛應用?！渡疃葘W習框架PyTorch快速開發(fā)與實戰(zhàn)》從PyTorch框架結(jié)構(gòu)出發(fā)，通過案例主要介紹了線性回歸、邏輯回歸、前饋神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、自編碼模型、以及生成對抗網(wǎng)絡?！渡疃葘W習框架PyTorch快速開發(fā)與實戰(zhàn)》作為深度學習的入門教材，省略了大量的數(shù)學模型推導，適合深度學習初學者，人工智能領(lǐng)域的從業(yè)者，以及深度學習感興趣的人閱讀。

作者簡介

　　邢夢來，擅長量化分析理論，深入研究多空對比分析，對多空趨勢平衡有獨特的見解，形成一套多空對比體系。同時對對交易心理狀況、人工智能與區(qū)塊鏈技術(shù)也有較深的研究。王碩，資深軟件工程師，具有9年的Java企業(yè)應用開發(fā)經(jīng)驗和4年的教育培訓經(jīng)驗，曾主持多個B/S項目開發(fā)，項目經(jīng)驗豐富，擅長Java EE（Struts2、Spring3、Hibernate3）項目開發(fā)、Python（程序GUI、數(shù)據(jù)分析、網(wǎng)絡爬蟲）項目開發(fā)，是極寬TOP開源團隊核心成員，也是《PyQt5快速開發(fā)與實戰(zhàn)》一書的作者之一。孫洋洋，《PyQt5快速開發(fā)與實戰(zhàn)》一書的作者之一，擅長網(wǎng)絡爬蟲、機器學習、量化投資與程序GUI開發(fā)設(shè)計。有多年量化投資實盤操作經(jīng)歷，現(xiàn)就職于某期貨公司做量化研究員。

圖書目錄

第一部分理論部分
第1章深度學習簡介 2
1.1 深度學習 2
1.2 神經(jīng)網(wǎng)絡的發(fā)展 6
1.3 深度學習的應用 7
1.4 常用的數(shù)學知識和機器學習算法 8
1.5 PyTorch簡介 11
1.5.1 PyTorch介紹 11
1.5.2 使用PyTorch的公司 15
1.5.3 PyTorch API 16
1.5.4 為什么選擇Python語言 16
1.5.5 Python語言的特點 16
1.6 常用的機器學習、深度學習開源框架 17
1.7 其他常用的模塊庫 19
1.8 深度學習常用名詞 20
第2章 PyTorch環(huán)境安裝 33
2.1 基于Ubuntu環(huán)境的安裝 33
2.1.1 安裝Anaconda 35
2.1.2 設(shè)置國內(nèi)鏡像 36
2.2 Conda命令安裝PyTorch 37
2.3 pip命令安裝PyTorch 37
2.4 配置CUDA 38
第3章 PyTorch基礎(chǔ)知識 40
3.1 張量 40
3.2 數(shù)學操作 43
3.3 數(shù)理統(tǒng)計 44
3.4 比較操作 45
第4章簡單案例入門 47
4.1 線性回歸 47
4.2 邏輯回歸 52
第5章前饋神經(jīng)網(wǎng)絡 59
5.1 實現(xiàn)前饋神經(jīng)網(wǎng)絡 61
5.2 數(shù)據(jù)集 68
5.3 卷積層 72
5.4 Functional函數(shù) 75
5.5 優(yōu)化算法 82
5.6 自動求導機制 85
5.7 保存和加載模型 87
5.8 GPU加速運算 87
第6章 PyTorch可視化工具 89
6.1 Visdom介紹 89
6.2 Visdom基本概念 90
6.2.1 Panes（窗格） 90
6.2.2 Environments（環(huán)境） 90
6.2.3 State（狀態(tài)） 91
6.3 安裝Visdom 91
6.4 可視化接口 91
6.4.1 Python函數(shù)屬性提取技巧 92
6.4.2 vis.text 93
6.4.3 vis.image 93
6.4.4 vis.scatter 94
6.4.5 vis.line 95
6.4.6 vis.stem 97
6.4.7 vis.heatmap 97
6.4.8 vis.bar 99
6.4.9 vis.histogram 101
6.4.10 vis.boxplot 102
6.4.11 vis.surf 103
6.4.12 vis.contour 104
6.4.13 vis.mesh 106
6.4.14 vis.svg 107
第二部分實戰(zhàn)部分
第7章卷積神經(jīng)網(wǎng)絡 110
7.1 卷積層 112
7.2 池化層 114
7.3 經(jīng)典的卷積神經(jīng)網(wǎng)絡 115
7.3.1 LeNet-5神經(jīng)網(wǎng)絡結(jié)構(gòu) 115
7.3.2 ImageNet-2010網(wǎng)絡結(jié)構(gòu) 117
7.3.3 VGGNet網(wǎng)絡結(jié)構(gòu) 122
7.3.4 GoodLeNet網(wǎng)絡結(jié)構(gòu) 124
7.3.5 ResNet網(wǎng)絡結(jié)構(gòu) 126
7.4 卷積神經(jīng)網(wǎng)絡案例 129
7.5 深度殘差模型案例 138
第8章循環(huán)神經(jīng)網(wǎng)絡簡介 145
8.1 循環(huán)神經(jīng)網(wǎng)絡模型結(jié)構(gòu) 146
8.2 不同類型的RNN 147
8.3 LSTM結(jié)構(gòu)具體解析 151
8.4 LSTM的變體 153
8.5 循環(huán)神經(jīng)網(wǎng)絡實現(xiàn) 156
8.5.1 循環(huán)神經(jīng)網(wǎng)絡案例 156
8.5.2 雙向RNN案例 160
第9章自編碼模型 164
第10章對抗生成網(wǎng)絡 172
10.1 DCGAN原理 175
10.2 GAN對抗生成網(wǎng)絡實例 180
第11章 Seq2seq自然語言處理 186
11.1 Seq2seq自然語言處理簡介 186
11.2 Seq2seq自然語言處理案例 188
第12章利用PyTorch實現(xiàn)量化交易 204
12.1 線性回歸預測股價 205
12.2 前饋神經(jīng)網(wǎng)絡預測股價 209
12.3 遞歸神經(jīng)網(wǎng)絡預測股價