PyTorch深度學習指南：編程基礎（卷I）






	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	目錄前　言致　謝關於作者譯者序常見問題　　為什麼選擇PyTorch？　　為什麼選擇這套書？　　誰應該讀這套書？　　我需要知道什麼？　　如何閱讀這套書？　　下一步是什麼？設置指南　　官方資料庫　　環境　　　　穀歌Colab 　　　　Binder 　　　　本地安裝　　繼續第0章　視覺化梯度下降　　劇透　　Jupyter Notebook 　　　　導入　　視覺化梯度下降　　模型　　數據生成　　　　合成數據生成　　　　訓練-驗證-測試拆分　　第0步——隨機初始化　　第1步——計算模型的預測　　第2步——計算損失　　　　損失面　　　　橫截面　　第3步——計算梯度　　　　視覺化梯度　　　　反向傳播　　第4步——更新參數　　　　學習率　　第5步——循環往復　　　　梯度下降的路徑　　回顧第1章　一個簡單的回歸問題　　劇透　　Jupyter Notebook 　　　　導入　　一個簡單的回歸問題　　數據生成　　　　合成數據生成　　梯度下降　　　　第0步——隨機初始化　　　　第1步——計算模型的預測　　　　第2步——計算損失　　　　第3步——計算梯度　　　　第4步——更新參數　　　　第5步——循環往復　　Numpy中的線性回歸　　PyTorch 　　　　張量　　　　載入數據、設備和CUDA 　　　　創建參數　　Autograd 　　　　backward 　　　　grad 　　　　zero_ 　　　　更新參數　　　　no_grad 　　動態計算圖　　優化器　　　　step/zero_grad 　　損失　　模型　　　　參數　　　　state_dict 　　　　設備　　　　前向傳遞　　　　訓練　　　　嵌套模型　　　　序列（Sequential）模型　　　　層　　歸納總結　　　　數據準備　　　　模型配置　　　　模型訓練　　回顧第2章　重新思考訓練迴圈　　劇透　　Jupyter Notebook 　　　　導入　　重新思考訓練迴圈　　　　訓練步驟　　Dataset 　　　　TensorDataset 　　DataLoader 　　　　小批量內迴圈　　　　隨機拆分　　評估　　　　繪製損失　　TensorBoard 　　　　在Notebook中運行　　　　單獨運行（本地安裝）　　　　單獨運行（Binder）　　　　SummaryWriter 　　　　add_graph 　　　　add_scalars 　　保存和載入模型　　　　模型狀態　　　　保存　　　　恢復訓練　　　　部署/做出預測　　　　設置模型的模式　　歸納總結　　回顧第2.1章　追求優雅　　劇透　　Jupyter Notebook 　　　　導入　　追求優雅　　　　類　　　　構造方法　　　　訓練方法　　　　保存和載入方法　　　　視覺化方法　　　　完整代碼　　典型的管道　　　　模型訓練　　　　做出預測　　　　檢查點　　　　恢復訓練　　歸納總結　　回顧第3章　一個簡單的分類問題　　劇透　　Jupyter Notebook 　　　　導入　　一個簡單的分類問題　　數據生成　　數據準備　　模型　　　　logit 　　　　概率　　　　比值比（Odds Ratio）　　　　對數比值比　　　　從logit到概率　　　　Sigmoid 　　　　邏輯斯蒂回歸　　損失　　　　BCELoss 　　　　BCEWithLogitsLoss 　　　　不平衡數據集　　模型配置　　模型訓練　　決策邊界　　分類閾值　　　　混淆矩陣　　　　指標　　　　權衡和曲線　　歸納總結　　回顧