《PyTorch深度学习实战》内容简介

虽然很多深度学习工具都使用Python，但PyTorch库是真正具备Python风格的。对于任何了解NumPy和scikit-learn等工具的人来说，上手PyTorch轻而易举。PyTorch在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。本书是教你使用PyTorch创建神经网络和深度学习系统的实用指南。它帮助读者快速从零开始构建一个真实示例：肿瘤图像分类器。在此过程中，它涵盖了整个深度学习管道的关键实践，包括PyTorch张量API、用Python加载数据、监控训练以及将结果进行可视化展示。本书主要内容：（1）训练深层神经网络；（2）实现模块和损失函数；（3）使用PyTorch Hub预先训练的模型；（4）探索在Jupyter Notebooks中编写示例代码。本书适用于对深度学习感兴趣的Python程序员。了解深度学习的基础知识对阅读本书有一定的帮助，但读者无须具有使用PyTorch或其他深度学习框架的经验。
伊莱·史蒂文斯（Eli Stevens）职业生涯的大部分时间都在美国硅谷的初创公司工作，从软件工程师（网络设备制造业）到首席技术官（开发肿瘤放疗软件）。在本书出版时，他正在汽车自动驾驶行业从事机器学习相关工作。
卢卡·安蒂加（Luca Antiga）于21世纪初担任生物医学工程研究员。2010年到2020年间，他是一家人工智能工程公司的联合创始人和首席技术官。他参与了多个开源项目，包括PyTorch的核心模块。最近，他作为联合创始人创建了一家总部位于美国的初创公司，专注于数据定义软件的基础设施。
托马斯·菲曼（Thomas Viehmann）是一名德国慕尼黑的机器学习和PyTorch的专业培训师和顾问，也是PyTorch核心开发人员。拥有数学博士学位的他不畏惧理论，擅长将理论应用于实际的计算挑战。
牟大恩，武汉大学硕士研究生毕业，曾先后在网易杭州研究院、优酷土豆集团、海通证券总部负责技术研发及系统架构设计工作，目前任职于东方证券资产管理有限公司。他有多年的Java开发及系统设计经验，专注于互联网金融及大数据应用相关领域，热爱技术，喜欢钻研前沿技术，是机器学习及深度学习的深度爱好者。近年来著有《Kafka入门与实践》，译有《Kafka Streams实战》，已提交技术发明专利申请两项。

作品目录

版权声明
关于作者与译者
关于封面插图
译者序
序
前

言
致

谢
关于本书
资源与支持
第1部分
PyTorch核心
第1章：深度学习和PyTorch库简介
第2章：预训练网络
第3章：从张量开始
第4章：使用张量表征真实数据
第5章：学习的机制
第6章：使用神经网络拟合数据
第7章：区分鸟和飞机：从图像学习
第8章：使用卷积进行泛化
第2部分
从现实世界的图像中学习：肺癌的早期检测
第9章：使用PyTorch来检测癌症
第10章：将数据源组合成统一的数据集
第11章：训练分类模型以检测可疑肿瘤
第12章：通过指标和数据增强来提升训练
第13章：利用分割法寻找可疑结节
第14章：端到端的结节分析及下一步的方向
第3部分
部署
第15章：部署到生产环境