總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
 
 
 
 
深度學習框架PyTorch快速開發與實戰
 作  者: 邢夢來/王碩/孫洋洋
 出版單位: 電子工業
 出版日期: 2018.08
 進貨日期: 2018/10/15
 ISBN: 9787121345647
 開  本: 16 開    
 定  價: 518
 售  價: 414
  會 員 價: 380
推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

本書選用Facebook開源深度學習庫PyTorch作為深度學習框架,讀者可以通過實戰操作,快速創建經典卷積神經網路、迴圈神經網路、自編碼模型、對抗生成網路等模型。開啟海綿模式,盡可能多地學習深度學習原理知識,並有針對性地進行實際訓練,相信一定會有所收穫。

選擇適合自己的深度學習開源平臺,實現深度學習演算法,利用深度學習開源平臺,瞭解人工智慧行業的發展動態,掌握前沿科學技術。


內容簡介:

深度學習已經成為人工智慧炙手可熱的技術,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。本書從PyTorch框架結構出發,通過案例主要介紹了線性回歸、邏輯回歸、前饋神經網路、卷積神經網路、迴圈神經網路、自編碼模型、以及生成對抗網路。本書作為深度學習的入門教材,省略了大量的數學模型推導,適合深度學習初學者,人工智慧領域的從業者,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、人工智慧與區塊鏈技術也有較深的研究。

王碩,資深軟體工程師,具有9年的Java企業應用開發經驗和4年的教育培訓經驗,曾主持多個B/S專案開發,專案經驗豐富,擅長Java EE(Struts2、Spring3、Hibernate3)專案開發、Python(程式GUI、數據分析、網路爬蟲)專案開發,是極寬TOP開源團隊核心成員,也是《PyQt5快速開發與實戰》一書的作者之一。

孫洋洋,《PyQt5快速開發與實戰》一書的作者之一,擅長網路爬蟲、機器學習、量化投資與程式GUI開發設計。有多年量化投資實盤操作經歷,現就職於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

1.1 深度學習

1.2 神經網路的發展

1.3 深度學習的應用

1.4 常用的數學知識和機器學習演算法

1.5 PyTorch簡介

1.5.1 PyTorch介紹

1.5.2 使用PyTorch的公司

1.5.3 PyTorch API

1.5.4 為什麼選擇Python語言

1.5.5 Python語言的特點

1.6 常用的機器學習、深度學習開源框架

1.7 其他常用的模組庫

1.8 深度學習常用名詞

第2章 PyTorch環境安裝

2.1 基於Ubuntu環境的安裝

2.1.1 安裝Anaconda

2.1.2 設置國內鏡像

2.2 Conda命令安裝PyTorch

2.3 pip命令安裝PyTorch

2.4 配置CUDA

第3章 PyTorch基礎知識

3.1 張量

3.2 數學操作

3.3 數理統計

3.4 比較操作

第4章 簡單案例入門

4.1 線性回歸

4.2 邏輯回歸

第5章 前饋神經網路

5.1 實現前饋神經網路

5.2 數據集

5.3 卷積層

5.4 Functional函數

5.5 優化演算法

5.6 自動求導機制

5.7 保存和加載模型

5.8 GPU加速運算

第6章 PyTorch可視化工具

6.1 Visdom介紹

6.2 Visdom基本概念

6.2.1 Panes(窗格)

6.2.2 Environments(環境)

6.2.3 State(狀態)

6.3 安裝Visdom

6.4 可視化介面

6.4.1 Python函數屬性提取技巧

6.4.2 vis.text

6.4.3 vis.image

6.4.4 vis.scatter

6.4.5 vis.line

6.4.6 vis.stem

6.4.7 vis.heatmap

6.4.8 vis.bar

6.4.9 vis.histogram

6.4.10 vis.boxplot

6.4.11 vis.surf

6.4.12 vis.contour

6.4.13 vis.mesh

6.4.14 vis.svg



第二部分 實戰部分



第7章 卷積神經網路

7.1 卷積層

7.2 池化層

7.3 經典的卷積神經網路

7.3.1 LeNet-5神經網路結構

7.3.2 ImageNet-2010網路結構

7.3.3 VGGNet網路結構

7.3.4 GoodLeNet網路結構

7.3.5 ResNet網路結構

7.4 卷積神經網路案例

7.5 深度殘差模型案例

第8章 迴圈神經網路簡介

8.1 迴圈神經網路模型結構

8.2 不同類型的RNN

8.3 LSTM結構具體解析

8.4 LSTM的變體

8.5 迴圈神經網路實現

8.5.1 迴圈神經網路案例

8.5.2 雙向RNN案例

第9章 自編碼模型

第10章 對抗生成網路

10.1 DCGAN原理

10.2 GAN對抗生成網路實例

第11章 Seq2seq自然語言處理

11.1 Seq2seq自然語言處理簡介

11.2 Seq2seq自然語言處理案例

第12章利用PyTorch實現量化交易

12.1 線性回歸預測股價

12.2 前饋神經網路預測股價

12.3 遞歸神經網路預測股價
顯示部分資訊


章節試讀:

日常生活中,人工智慧悄悄的影響著我們。
隨著人工智慧的技術的發展,現代幾乎各種技術的發展都涉及到了人工智慧技術,可以說人工智慧已經廣泛應用到許多領域,其典型的應用包括:資訊檢索應用,推薦系統,語音識別,自然語言處理,圖像識別,智能家居等。以人工智慧在語音識別,語音合成上的結果看,2016年10月份由微軟美國研究院發佈的一個語音識別的最新結果實現了錯誤率為5.9%的新突破,這是第一次用人工智能技術取得了跟人類似的語音識別的錯誤率。
人工智慧一直處於電腦技術的前沿,人工智慧研究的理論和發現在很大程度上將決定電腦技術的發展方向。為了適應新一輪的科技發展,培養高端人才,人工智慧進入國家發展戰略。
2017年7月,國務院印發《新一代人工智慧發展規劃》,其中提到,新一代人工智慧發展分三步走的戰略目標,到2030年使中國人工智能理論、技術與應用總體達到世界領先水準,成為世界主要人工智慧創新中心。
為此,積極學習人工智慧前沿知識,適應科技進步。
本書選用Facebook開源深度學習庫PyTorch作為深度學習框架。常用的深度學習開源平臺有TensorFlow,Theano,Keras,Caffe等等。在TensorFlow的官網上,它被定義為一個用於機器智能的開源軟體庫,使用TensorFlow需要編寫大量的代碼,個人覺得不適合初學者。
Theano是比較老牌和最穩定的庫之一。Theano由於它不支持多GPU擴展,在深度學習開源平臺快速更新迭代的浪潮下,Theano已然開始慢慢被遺忘了。
Keras句法是比較明晰,文檔完善,使用非常簡單輕鬆。Keras強調極簡主義,只需幾行代碼就能構建一個神經網路。適合新人學習。
Caffe老牌中的老牌框架。起初的時候它僅僅關注電腦視覺,但它具有非常好的通用性。Caffe的缺點是它不夠靈活。同時Caffe的文檔非常貧乏。
張量是PyTorch的一個完美組件,和NumPy類似。將張量從NumPy轉換至PyTorch非常容易。可以把它的用作是NumPy的替代品.PyTorch這種框架可以獲得GPU加速,以便快速進行數據預處理,或其他任務。PyTorch同時也提供了變數,我們在構建神經網路的時候,在張量之上的封裝,構建自己的計算圖,並自動計算梯度。pytorch建立的是動態圖,TensorFlow建立的是靜態圖。pytorch更加符合一般的編程習慣,而不是像TensorFlow那樣需要先定義計算圖。
雖然開源平臺眾多,只是一個實現演算法的工具。更多的時候,我們考慮到實現演算法的簡潔性,通常選擇容易上手的,能快速實現演算法的開源平臺。為此,我們需要選擇適合自己的深度學習開源平臺,實現深度學習演算法。
學習深度學習理論知識,瞭解人工智慧行業發展動態,掌握前沿科學技術。利用PyTorch開源平臺快速實現經典卷積神經網路,迴圈神經網路,自編碼模型,對抗生成網路等模型。開啟海綿模式,盡可能多學原理知識,掌握機器學習的基礎理念知識,然後針對性的實際訓練。通常從收集數據,預處理和清洗數據,再到搭建模型,訓練和調試模型,到最後評估模型。逐漸培養出對於什麼樣的數據適合用什麼類型的模型,增強實踐和判斷能力。經過學習,逐漸從小白,經過學習慢慢到專業人士。有興趣的讀者歡迎加入本書交流群,一起交流學習。群號為662443475。
致謝
感謝電子工業出版社的黃愛萍編輯,在選題策劃和稿件整理方面做出的大量工作。
感謝極寬開源量化團隊給予的技術支持。
在本書的創作中,特別感謝張建輝,劉笑俐,王麗穎,劉曉峰,劉婷,沈雨涵的協助,為他們的付出表示感謝。


邢夢來
2018年5月


圖片預覽:

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。