深度學習入門之PyTorch epub

圖書網
圖書網
圖書網
10368
文章
1382
評論
2019年12月16日12:17:09 評論 73
摘要

適讀人群 :本書將理論和代碼相結合,幫助讀者更好地進入深度學習領域,適合任何對深度學習感興趣的人。
1 作者本身也是從小白開始入門深度學習的,無論從書中內容,還是講解思路,以及語言風格,均適合你從零開始進入深度學習這個充滿魔力的世界。
2 實例簡單而不簡約,用到了生成對抗網絡和注意力機制等目前相對前沿的深度學習技術。
3 雖然是一本入門教程,但是對原理的講述也不含糊,清晰易懂,讓讀者能知其然且知其所以然。

深度學習入門之PyTorch 作者:廖星宇

深度學習入門之PyTorch 出版社: 電子工業出版社

深度學習入門之PyTorch 內容簡介

深度學習如今已經成為了科技領域*炙手可熱的技術,在本書中,我們將幫助你入門深度學習的領域。本書將從人工智能的介紹入手,了解機器學習和深度學習的基礎理論,并學習如何用PyTorch框架對模型進行搭建。通過閱讀本書,你將會學習到機器學習中的線性回歸和logistic回歸,深度學習的優化方法,多層全連接神經網絡,卷積神經網絡,循環神經網絡以及生成對抗網絡,同時從零開始對PyTorch進行學習,了解PyTorch基礎及如何用其進行模型的搭建,*后通過實戰了解*前沿的研究成果和PyTorch在實際項目中的應用。

深度學習入門之PyTorch 目錄

前言

第1章 深度學習介紹

1.1 人工智能

1.2 數據挖掘、機器學習與深度學習

1.3 學習資源與建議

第2章 深度學習框架

2.1 深度學習框架介紹

2.2 PyTorch介紹

2.3 配置PyTorch深度學習環境

第3章 多層全連接神經網絡

3.1 熱身:PyTorch基礎

3.2 線性模型

3.3 分類問題

3.4 簡單的多層全連接前向網絡

3.5 深度學習的基石:反向傳播算法

3.6 各種優化算法的變式

3.7 處理數據和訓練模型的技巧

3.8 多層全連接神經網絡實現MNIST手寫數字分類

第4章 卷積神經網絡

4.1 主要任務及起源

4.2 卷積神經網絡的原理和結構

4.3 PyTorch卷積模塊

4.4 卷積神經網絡案例分析

4.5 再實現MNIST手寫數字分類

4.6 圖像增強的方法

4.7 實現cifar10分類

第5章 循環神經網絡

5.1 循環神經網絡

5.2 循環神經網絡的變式:LSTM與GRU

5.3 循環神經網絡的PyTorch實現

5.4 自然語言處理的應用

5.5 循環神經網絡的更多應用

第6章 生成對抗網絡

6.1 生成模型

6.2 生成對抗網絡

6.3 Improving GAN

6.4 應用介紹

第7章 深度學習實戰

7.1 實例一——貓狗大戰:運用預訓練卷積神經網絡進行特征提取與預測

7.2 實例二——Deep Dream:探索卷積神經網絡眼中的世界

7.3 實例三——Neural-Style:使用PyTorch進行風格遷移

7.4 實例四——Seq2seq:通過RNN實現簡單的Neural Ma-chine Translation

深度學習入門之PyTorch 精彩文摘

自古以來,發明家們都夢想著能夠創造有思想的機器人,當電腦問世之后,人們一直想知道它們是否可以變得更加智能。如今人工智能成為一個有著無限商業價值和研究價值的領域,人們也看到了人工智能在圖像、語音、自然語言上取得的巨大成功。

這一章,我們將簡要地介紹一下人工智能及其重要性,以及什么是數據挖掘、機器學習和深度學習,并介紹它們彼此之間的聯系與區別,其中會重點介紹深度學習,很后給出一些合理可行的學習建議,幫助大家從零開始進入深度學習這個充滿魔力的領域。

人工智能(Artificial Intelligence),也稱為機器智能,是指由人工制造出來的系統所表現的智能,所謂的智能,即指可以觀察周圍環境并據此做出行動以達到目的。

在人工智能的早期,那些對人類智力來說非常困難、但對計算機來說相對簡單的問題迅速得到解決,比如,那些可以通過一系列形式化的數學規則來描述的問題。AI的真正挑戰在于解決那些對人來說很容易執行、但很難形式化描述的任務,比如,識別人們所說的話或圖像中的臉。對于這些問題,我們人類往往可以憑借直覺輕易地解決,因為我們已經在上萬年的進化中形成了這些直覺性的能力,但是機器卻很難找到實現的方法。

長久以來人們一直相信人工智能是存在的,但是卻不知道如何實現。以前的科幻電影總會融入人工智能,比如《星球大戰》《終結者》《駭客帝國》,等等。電影的渲染使我們總覺得人工智能缺乏真實感,或者總將人工智能和機器人聯系在一起。其實我們身邊早已實現了一些弱人工智能,只是因為人工智能聽起來很神秘,所以我們往往沒有意識到。

首先,不要一提到人工智能就想到機器人。機器人只是人工智能的一種容器,如果將人工智能比作大腦,那么機器人就好似身體——然而這個身體卻不是必需的,比如現在很火的AlphaGo,其背后充滿著軟件、算法和數據,它下圍棋是一種人格化的體現,然而其本身并沒有“機器人”這個硬件形式。

人工智能的概念很寬泛,現在根據人工智能的實力將它分成三大類。

(1)弱人工智能(Artificial Narrow Intelligence,ANI)

弱人工智能是擅長于單個方面的人工智能。比如戰勝世界圍棋冠軍的人工智能Al-phaGo,它只會下圍棋,如果你讓他辨識一下貓和狗,它就不知道怎么做了。我們現在實現的幾乎全是弱人工智能。

(2)強人工智能(Artificial General Intelligence,AGI)

這是類似人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能,人類能干的腦力活,它都能干。創造強人工智能比創造弱人工智能難得多,我們現在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力,能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作?!睆娙斯ぶ悄茉谶M行這些操作時應該和人類一樣得心應手。

(3)超人工智能(Artificial Superintelligence,ASI)

牛津哲學家、知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領域都比很聰明的人類大腦都聰明很多,包括科學創新、通識和社交技能?!背斯ぶ悄芸梢允歉鞣矫娑急热祟悘娨稽c,也可以是各方面都比人類強萬億倍的。

我們現在處于一個充滿弱人工智能的世界,比如垃圾郵件分類系統,是一個可以幫助我們篩選垃圾郵件的弱人工智能;Google翻譯是一個可以幫助我們翻譯英文的弱人工智能;AlphaGo是一個可以戰勝世界圍棋冠軍的弱人工智能,等等。這些弱人工智能算法不斷地加強創新,每一個弱人工智能的創新,都是在給通往強人工智能和超人工智能的旅途添磚加瓦。正如人工智能科學家Aaron Saenz所說,現在的弱人工智能就像地球早期軟泥中的氨基酸,可能突然之間就形成了生命。

簡單來說,數據挖掘就是在大型的數據庫中發現有用的信息,并加以分析的過程,也就是人們所說的KDD(knowledge discovery in database)。一個數據的處理過程,就是從輸入數據開始,對數據進行預處理,包括特征選擇、規范化、降低維數、數據提升等,然后進行數據的分析和挖掘,再經過處理,例如模式識別、可視化等,很后形成可用信息的全過程。

所以說數據挖掘只是一種概念,即從數據中挖掘到有意義的信息,從大量的數據中尋找數據之間的特性。

機器學習算是實現人工智能的一種途徑,它和數據挖掘有一定的相似性,也是一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、計算復雜性理論等多門學科。對比于數據挖掘從大數據之間找相互特性而言,機器學習更加注重算法的設計,讓計算機能夠自動地從數據中“學習”規律,并利用規律對未知數據進行預測。因為學習算法涉及了大量的統計學理論,與統計推斷聯系尤為緊密,所以也被稱為統計學習方法。

機器學習可以分為以下五個大類:

(1)監督學習:從給定的訓練數據集中學習出一個函數,當新的數據到來時,可以根據這個函數預測結果。監督學習的訓練集要求是輸入和輸出,也可以說是特征和目標。訓練集中的目標是由人標注的。常見的監督學習算法包括回歸與分類。

(2)無監督學習:無監督學習與監督學習相比,訓練集沒有人為標注的結果。常見的無監督學習算法有聚類等。

(3)半監督學習:這是一種介于監督學習與無監督學習之間的方法。

(4)遷移學習:將已經訓練好的模型參數遷移到新的模型來幫助新模型訓練數據集。

(5)增強學習:通過觀察周圍環境來學習。每個動作都會對環境有所影響,學習對象根據觀察到的周圍環境的反饋來做出判斷。

傳統的機器學習算法有以下幾種:線性回歸模型、logistic回歸模型、k-臨近算法、決策樹、隨機森林、支持向量機、人工神經網絡、EM算法、概率圖模型等。

深度學習的很初級版本是人工神經網絡,這是機器學習的一個分支,其試圖模擬人腦,通過更加復雜的結構自動提取數據特征。

在深度學習發展起來之前,機器學習雖然發展了幾十年,但還是存在很多人工智能沒法良好解決的問題,例如圖像識別、語音識別、自然語言處理等,而深度學習的出現則很好地解決了這些領域的一部分問題。正因為大數據的興起和高性能GPU的出現,使得更加復雜的網絡模型成為可能,這也促使深度學習有了進一步的發展。

1.深度學習的歷史

首先通過一張圖來概括一下深度學習的歷史浪潮,如圖1.1所示。

圖書網:深度學習入門之PyTorch epub

恭喜,此資源為免費資源,請先
聲明:本站所有資源收集于網絡,只做學習和交流使用,版權歸著作人和出版社所有,請在下載后24小時之內自覺刪除,若作商業用途,請購買正版,由于未及時購買和付費發生的侵權行為,與本站無關。本站發布的內容若侵犯到您的權益,請聯系站長刪除,我們將及時處理!
繼續閱讀
  • 我的微信
  • 掃一掃加好友
  • weinxin
  • 微信公眾號
  • 掃一掃關注
  • weinxin
架構解密 從分布式到微服務pdf 網絡與數據通信

架構解密 從分布式到微服務pdf

架構解密 從分布式到微服務 作者:Leader-us 架構解密 從分布式到微服務 出版社:電子工業出版社 架構解密 從分布式到微服務 內容簡介 分布式架構與微服務平臺是當今IT界的關鍵技術,也是資深軟...
分布式服務架構 原理 設計與實戰epub 網絡與數據通信

分布式服務架構 原理 設計與實戰epub

分布式服務架構 原理 設計與實戰 作者:李艷鵬,楊彪 分布式服務架構 原理 設計與實戰 出版社: 電子工業出版社 《分布式服務架構:原理、設計與實戰》以分布式服務架構為主線,重點介紹了保證服務化架構的...
匿名

發表評論

匿名網友 填寫信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: