深度學(xué)習(xí)框架PyTorch快速開發(fā)與實(shí)戰(zhàn)

第一部分 理論部分
第1章 深度學(xué)習(xí)簡介 2
1.1 深度學(xué)習(xí) 2
1.2 神經(jīng)網(wǎng)絡(luò)的發(fā)展 6
1.3 深度學(xué)習(xí)的應(yīng)用 7
1.4 常用的數(shù)學(xué)知識(shí)和機(jī)器學(xué)習(xí)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(diǎn) 16
1.6 常用的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)開源框架 17
1.7 其他常用的模塊庫 19
1.8 深度學(xué)習(xí)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(shí) 40
3.1 張量 40
3.2 數(shù)學(xué)操作 43
3.3 數(shù)理統(tǒng)計(jì) 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(luò) 59
5.1 實(shí)現(xiàn)前饋神經(jīng)網(wǎng)絡(luò) 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(dòng)求導(dǎo)機(jī)制 85
5.7 保存和加載模型 87
5.8 GPU加速運(yùn)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(shí)戰(zhàn)部分
第7章 卷積神經(jīng)網(wǎng)絡(luò) 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(luò) 115
7.3.1 LeNet-5神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 115
7.3.2 ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu) 117
7.3.3 VGGNet網(wǎng)絡(luò)結(jié)構(gòu) 122
7.3.4 GoodLeNet網(wǎng)絡(luò)結(jié)構(gòu) 124
7.3.5 ResNet網(wǎng)絡(luò)結(jié)構(gòu) 126
7.4 卷積神經(jīng)網(wǎng)絡(luò)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(luò)簡介 145
8.1 循環(huán)神經(jīng)網(wǎng)絡(luò)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(luò)實(shí)現(xiàn) 156
8.5.1 循環(huán)神經(jīng)網(wǎng)絡(luò)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(duì)抗生成網(wǎng)絡(luò) 172
10.1 DCGAN原理 175
10.2 GAN對(duì)抗生成網(wǎng)絡(luò)實(shí)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(shí)現(xiàn)量化交易 204
12.1 線性回歸預(yù)測(cè)股價(jià) 205
12.2 前饋神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股價(jià) 209
12.3 遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股價(jià)