PyTorch深度學習實作：利用PyTorch實際演練神經網路模型
活動訊息
內容簡介
PyTorch是Facebook於2017年初在機器學習和科學計算工具Torch的基礎上，針對Python語言發佈的一個全新的機器學習工具套件，一經推出便受到業界廣泛關注和討論，目前已經成為機器學習從業人員首選的一款研發工具。
本書是使用PyTorch建構神經網絡模型的實用指南，內容分為9章，包括PyTorch與深度學習的基礎知識、神經網路的構成、神經網路的高階知識、機器學習基礎知識、深度學習在電腦視覺上的應用、深度學習在序列資料和文字當中的應用、生成網路、現代網路架構，以及PyTorch與深度學習的未來走向。
本書適合對深度學習領域感興趣且希望一探PyTorch究竟的業界人士閱讀。具備其他深度學習框架使用經驗的讀者，也可以透過本書掌握PyTorch的用法。
本書範例檔：
github.com/PacktPublishing/Deep-Learning-with-PyTorch
目錄
第1章 PyTorch與深度學習
1.1 人工智慧
1.2 機器學習
1.3 深度學習
1.4 小結
第2章 神經網路的構件
2.1 安裝PyTorch
2.2 實作第一個神經網路
2.3 小結
第3章 深入瞭解神經網路
3.1 詳解神經網路的構件
3.2 小結
第4章 機器學習基礎
4.1 三種機器學習問題
4.2 機器學習術語
4.3 評估機器學習模型
4.4 資料前處理與特徵工程
4.5 過度擬合與欠擬合
4.6 機器學習專案的工作流程
4.7 小結
第5章 應用於電腦視覺的深度學習
5.1 神經網路簡介
5.2 從零開始建立CNN 模型
5.3 建立與探索VGG16 模型
5.4 計算預卷積特徵
5.5 理解CNN 模型如何學習
5.6 CNN 層的視覺化權重
5.7 小結
第6章 序列資料和文本的深度學習
6.1 使用文本資料
6.2 透過建立情感分類器訓練詞嵌入
6.3 使用預訓練的詞嵌入
6.4 遞迴神經網路（RNN）
6.5 長短期記憶（LSTM）
6.6 使用序列資料的卷積網路
6.7 小結
第7章 生成網路
7.1 神經風格轉換（neural style transfer）
7.2 生成對抗網路（GAN）
7.3 深度卷積生成對抗網路（DCGAN）
7.4 建立語言模型
7.5 小結
第8章 現代網路架構
8.1 現代網路架構
8.2 密集連接卷積網路（DenseNet）
8.3 模型集成
8.4 encoder-decoder 架構
8.5 小結
第9章 未來走向
9.1 未來走向
9.2 回顧
9.3 有趣的創意應用
9.4 如何跟上最新進展
9.5 小結
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價