PyTorch速查手册
PyTorch速查手册
Joe Papa 著
林琪 等译
出版时间：2022年11月
页数：286
这本简明便捷的参考手册将让你充分掌握最流行的深度学习研究和开发框架之一：PyTorch。本书作者清晰地介绍了语法和设计模式，并提供了代码示例，可以加快你的开发，减少搜寻答案花费的时间。
科学家、机器学习工程师和软件开发人员可以从中找到简明的结构化PyTorch代码，这涵盖神经网络开发的每一个步骤，包括加载数据、定制训练循环、模型优化，以及GPU/TPU加速。另外还能很快学会如何使用AWS、Google Cloud或Azure将代码部署到生产环境，以及如何将机器学习模型部署到移动和边缘设备。

● 学习基本PyTorch语法和设计模式。
● 创建定制模型和数据变换。
● 使用GPU和TPU训练和部署模型。
● 训练和测试一个深度学习分类器。
● 使用优化和分布式训练加速训练。
● 利用PyTorch库和PyTorch生态系统。
  1. 前言
  2. 第1章 PyTorch简介
  3. 1.1 PyTorch是什么?
  4. 1.2 为什么使用PyTorch?
  5. 1.3 新手指南
  6. 1.3.1 在Google Colaboratory中运行
  7. 1.3.2 在本地计算机上运行
  8. 1.3.3 在云平台上运行
  9. 1.3.4 验证你的PyTorch环境
  10. 1.4 一个有趣的例子
  11. 第2章 张量
  12. 2.1 张量是什么？
  13. 2.1.1 简单CPU示例
  14. 2.1.2 简单GPU示例
  15. 2.1.3 在CPU和GPU之间移动张量
  16. 2.2 创建张量
  17. 2.2.1 张量属性
  18. 2.2.2 数据类型
  19. 2.2.3 由随机样本创建张量
  20. 2.2.4 创建类似其他张量的张量
  21. 2.3 张量操作
  22. 2.3.1 张量索引、切片、合并和拆分
  23. 2.3.2 张量数学运算
  24. 2.3.3 自动微分（Autograd）
  25. 第3章 使用PyTorch的深度学习开发
  26. 3.1 完整过程
  27. 3.2 数据准备
  28. 3.2.1 数据加载
  29. 3.2.2 数据变换
  30. 3.2.3 数据批处理
  31. 3.2.4 一般数据准备（torch.utils.data）
  32. 3.3 模型开发
  33. 3.3.1 模型设计
  34. 3.3.2 训练
  35. 3.3.3 验证
  36. 3.3.4 测试
  37. 3.4 模型部署
  38. 3.4.1 保存模型
  39. 3.4.2 部署到PyTorch Hub
  40. 3.4.3 部署到生产环境
  41. 第4章 神经网络开发参考设计
  42. 4.1 使用迁移学习完成图像分类
  43. 4.1.1 数据处理
  44. 4.1.2 模型设计
  45. 4.1.3 训练和验证
  46. 4.1.4 测试和部署
  47. 4.2 用Torchtext完成情感分析
  48. 4.2.1 数据处理
  49. 4.2.2 模型设计
  50. 4.2.3 训练和验证
  51. 4.2.4 测试和部署
  52. 4.3 生成式学习—用DCGAN生成Fashion-MNIST图像
  53. 4.3.1 数据处理
  54. 4.3.2 模型设计
  55. 4.3.3 训练
  56. 4.3.4 测试和部署
  57. 第5章 定制PyTorch
  58. 5.1 定制层和激活函数
  59. 5.1.1 定制层示例（Complex Linear）
  60. 5.1.2 定制激活示例（Complex ReLU）
  61. 5.2 定制模型架构
  62. 5.3 定制损失函数
  63. 5.4 定制优化器算法
  64. 5.5 定制训练、验证和测试循环
  65. 第6章 PyTorch加速和优化
  66. 6.1 TPU上使用PyTorch
  67. 6.2 （单机）多个GPU上使用PyTorch
  68. 6.2.1 数据并行处理
  69. 6.2.2 模型并行处理
  70. 6.2.3 结合数据并行处理和模型并行处理
  71. 6.3 （多机）分布式训练
  72. 6.4 模型优化
  73. 6.4.1 超参数调优
  74. 6.4.2 量化
  75. 6.4.3 剪枝
  76. 第7章 PyTorch部署到生产环境
  77. 7.1 PyTorch部署工具和库
  78. 7.1.1 通用示例模型
  79. 7.1.2 Python API
  80. 7.1.3 TorchScript
  81. 7.1.4 TorchServe
  82. 7.1.5 ONNX
  83. 7.1.6 Mobile库
  84. 7.2 部署到Flask应用
  85. 7.3 Colab Flask应用
  86. 7.4 用TorchServe部署到云
  87. 7.5 Docker快速入门
  88. 7.6 部署到移动和边缘设备
  89. 7.6.1 iOS
  90. 7.6.2 Android
  91. 7.6.3 其他边缘设备
  92. 第8章 PyTorch生态系统和其他资源
  93. 8.1 PyTorch生态系统
  94. 8.2 面向图像和视频的Torchvision
  95. 8.2.1 数据集和I/O
  96. 8.2.2 模型
  97. 8.2.3 变换、操作和实用工具
  98. 8.3 用于NLP的Torchtext
  99. 8.3.1 创建一个数据集对象
  100. 8.3.2 预处理数据
  101. 8.3.3 创建一个Dataloader批处理
  102. 8.3.4 数据（torchtext.data）
  103. 8.3.5 数据集（torchtext.datasets）
  104. 8.3.6 词汇表（torchtext.vocab）
  105. 8.4 用于可视化的TensorBoard
  106. 8.4.1 SCALARS显示学习曲线
  107. 8.4.2 GRAPHS显示模型架构
  108. 8.4.3 IMAGES、TEXT和PROJECTOR显示数据
  109. 8.4.4 DISTRIBUTIONS和HISTOGRAMS显示权重分布
  110. 8.4.5 HPARAMS显示超参数
  111. 8.4.6 TensorBoard API
  112. 8.5 Papers with Code
  113. 8.6 其他PyTorch资源
  114. 8.6.1 教程
  115. 8.6.2 图书
  116. 8.6.3 在线课程和现场培训
书名：PyTorch速查手册
作者：Joe Papa 著
译者：林琪 等译
国内出版社：中国电力出版社
出版时间：2022年11月
页数：286
书号：978-7-5198-6970-0
原版书书名：PyTorch Pocket Reference
原版书出版商：O'Reilly Media
Joe Papa
 
Joe Papa在研究和开发领域有超过25年的经验，他是TeachMe.AI的创始人。他拥有电机工程硕士学位，并在Booz Allen Hamilton和Perspecta Labs领导使用PyTorch的AI研究团队。Joe指导过成百上千的数据科学家，并在Udemy教过全世界超过6000名学生。
 
 
本书封面上的动物是一条环鳍鱼科的鱼，通常被称为吸盘鱼。有大约7属30种吸盘鱼，常见于北极、大西洋和太平洋北部寒冷的水域。
吸盘鱼得名于它们胸鳍后面的黏性圆盘。它们生活在海床附近，利用这些圆盘附着在岩石上，在那里它们以无脊椎动物、甲壳类动物和软体动物为食。
唯一有商业用途的吸盘鱼是圆鳍鱼，已处于濒危保护状态。O’Reilly书的很多封面动物都濒临灭绝；所有这些动物对世界都很重要。
购买选项
定价：88.00元
书号：978-7-5198-6970-0
出版社：中国电力出版社
联系出版社邮购

© 2024，奥莱利技术咨询(北京)有限公司。版权所有。
传真: +86-10-88097463
 京ICP备05003502号