《PyTorch机器学习从入门到实战》内容简介

近年来，基于深度学习的人工智能掀起了一股学习的热潮。本书是使用PyTorch深度学习框架的入门图书，从深度学习原理入手，由浅入深地阐述深度学习中神经网络、深度神经网络、卷积神经网络、自编码器、循环神经网络等内容，同时穿插学习PyTorch框架的各个知识点和基于知识点的实例。最后，综合运用PyTorch和深度学习知识来解决实践中的具体问题，比如图像识别、文本分类和命令词识别等。可以说，本书是深度学习和PyTorch的入门教程，同时也引领读者进入机遇和挑战共存的人工智能领域。
本书针对的对象是机器学习和人工智能的爱好者和研究者，希望其能够有一定的机器学习和深度学习知识，有一定的Python编程基础。
校宝在线，孙琳，蒋阳波，汪建成，项斌编著。

作品目录

序
前言
第1章：深度学习介绍
1.1、人工智能、机器学习与深度学习
1.2、深度学习工具介绍
1.3、PyTorch介绍
1.4、你能从本书中学到什么
第2章：PyTorch安装和快速上手
2.1、PyTorch安装
2.2、Jupyter
Notebook使用
2.3、NumPy基础知识
2.4、PyTorch基础知识
第3章：神经网络
3.1、神经元与神经网络
3.2、激活函数
3.3、前向算法
3.4、损失函数
3.5、反向传播算法
3.6、数据的准备
3.7、PyTorch实例：单层神经网络实现
第4章：深度神经网络及训练
4.1、深度神经网络
4.2、梯度下降
4.3、优化器
4.4、正则化
4.5、PyTorch实例：深度神经网络实现
第5章：卷积神经网络
5.1、计算机视觉
5.2、卷积神经网络
5.3、MNIST数据集上卷积神经网络的实现
第6章：嵌入与表征学习
6.1、PCA
6.2、自编码器
6.3、词嵌入
第7章：序列预测模型
7.1、序列数据处理
7.2、循环神经网络
7.3、LSTM和GRU
7.4、LSTM在自然语言处理中的应用
7.5、序列到序列网络
7.6、PyTorch实例：基于GRU和Attention的机器翻译
第8章：PyTorch项目实战
8.1、图像识别和迁移学习——猫狗大战
8.2、文本分类
8.3、语音识别系统介绍

热门书摘

激活函数要具有以下性质

Tensor与Numpy的array还可以进行互相转换

正则化也叫结构风险，用来表示模型的复杂度

在训练过程中打印每次迭代的损失情况