《深度学习原理与PyTorch实战》内容简介

本书按照从理论到实践，从实践到创造的顺序讲解深度学习领域的知识与技术，代码翔实，公式简单易懂。本书第1章介绍深度学习的概念和目前的形势，第2章介绍Python编程语言基础，第3章使用Python语言计算极限、导数、级数等数学问题，第4章讲解深度学习的基本原理与PyTorch框架的基本使用，第5章和第6章详细讲述经典网络结构CNN和RCNN，第7~9章介绍自研深度学习框架，并详细讨论之前忽略的深度学习底层实现上的算法和细节，第10章介绍目前机器学习的前沿无监督学习，第11章主要讲解深度学习模型以Web应用形式部署的技术。本书适合有高等数学基础、希望了解深度学习领域知识和技术的初学者阅读，也可作为相关培训机构的参考用书。
张伟振，主要从事系统架构设计、深度学习在计算机视觉任务中的应用方面的研究，在计算机图形学、大型软件架构设计、后台开发、桌面应用、游戏、Web应用等领域亦有较丰富经验。

作品目录

作者简介
内容简介
前言
PREFACE
第1章：人工智能的新篇章：1.1、引言
1.2、过去人工智能的困境
1.3、神经网络
1.4、我们都是炼丹师
1.5、深度监督学习三部曲
1.6、深度学习框架
第2章：Python基础
2.1、Python简介
2.2、Python
Hello
World
2.3、Python基本语法
2.4、标准库
2.5、Python面向对象
2.6、包和模块
2.7、开发环境
第3章：实用数学
3.1、线性代数
3.2、高等数学
第4章：深度学习原理和PyTorch基础
4.1、深度学习三部曲
4.2、PyTorch基础
4.3、神经网络的调优
第5章：卷积神经网络
5.1、卷积
5.2、卷积神经网络介绍
5.3、目标检测
5.4、实用工具
第6章：序列模型
6.1、循环神经网络
6.2、自然语言处理
第7章：算法基础
7.1、递归
7.2、动态规划
7.3、栈和队列
7.4、树
7.5、图
第8章：C++基础
8.1、C++
Hello
World
8.2、C++语法基础
8.3、函数
8.4、数组
8.5、类和对象
8.6、指针和引用
8.7、C++进阶知识
第9章：自研深度学习框架
9.1、数据结构
9.2、构建计算图
9.3、并行计算
第10章：无监督学习
10.1、生成对抗网络
10.2、强化学习
第11章：案例：游戏AI
11.1、构建模型
11.2、准备训练数据
11.3、Web应用开发入门