亚洲免费精品视频,亚洲免费能看的黄片,国产成人综合亚洲欧美在线观看

這是一本基于*的Python和PyTorch版本的深度學習著作，旨在幫助讀者低門檻進入深度學習領域，輕松速掌握深度學習的理論知識和實踐方法，快速實現(xiàn)從入門到進階的轉變。

本書是多位人工智能技術專家和大數(shù)據(jù)技術專家多年工作經(jīng)驗的結晶，從工具使用、技術原理、算法設計、案例實現(xiàn)等多個維度對深度學習進行了系統(tǒng)的講解。內容選擇上，廣泛涉獵、重點突出、注重實戰(zhàn)；內容安排上，實例切入、由淺入深、循序漸進；表達形式上，深度抽象、化繁為簡、用圖說話。

本書共16章，分為三部分：

一部分（第1~4章） PyTorch基礎

首先講解了機器學習和數(shù)據(jù)科學中必然會用到的工具Numpy的使用，然后從多個角度講解了Pytorch的必備基礎知識，*后詳細講解了Pytorch的神經(jīng)網(wǎng)絡工具箱和數(shù)據(jù)處理工具箱。

第二部分（第5~8章） 深度學習基礎

這部分從技術原理、算法設計、實踐技巧等維度講解了機器學習和深度學習的經(jīng)典理理論、算法以及提升深度學習模型性能的多種技巧，涵蓋視覺處理、NLP和生成式深度學習等主題。

第三部分（第9~16章） 深度學習實踐

這部分從工程實踐的角度講解了深度學習的工程方法和在一些熱門領域的實踐方案，具體包括人臉識別、圖像修復、圖像增強、風格遷移、中英文互譯、生成式對抗網(wǎng)絡、對抗攻擊、強化學習、深度強化學習等內容。

為什么寫這本書

在人工智能時代，如何盡快掌握人工智能的核心深度學習，是每個欲進入該領域的人都會面臨的問題。目前，深度學習框架很多，如TensorFlow、PyTorch、Keras、FastAI、CNTK等，這些框架各有優(yōu)缺點，應該如何選擇？是否有一些標準？我認為，適合自己的就是最好的。

如果你是一位初學者，建議選擇PyTorch，有了一定的基礎之后，可以學習其他一些架構，如TensorFlow、CNTK等。建議初學者選擇PyTorch的主要依據(jù)是：

1）PyTorch是動態(tài)計算圖，其用法更貼近Python，并且，PyTorch與Python共用了許多Numpy的命令，可以降低學習的門檻，比TensorFlow更容易上手。

2）PyTorch需要定義網(wǎng)絡層、參數(shù)更新等關鍵步驟，這非常有助于理解深度學習的核心；而Keras雖然也非常簡單，且容易上手，但封裝粒度很粗，隱藏了很多關鍵步驟。

3）PyTorch的動態(tài)圖機制在調試方面非常方便，如果計算圖運行出錯，馬上可以跟蹤問題。PyTorch的調試與Python的調試一樣，通過斷點檢查就可以高效解決問題。

4）PyTorch的流行度僅次于TensorFlow。而最近一年，在GitHub關注度和貢獻者的增長方面，PyTorch跟TensorFlow基本持平。PyTorch的搜索熱度持續(xù)上漲，加上FastAI的支持，PyTorch將受到越來越多機器學習從業(yè)者的青睞。

深度學習是人工智能的核心，隨著大量相關項目的落地，人們對深度學習的興趣也持續(xù)上升。不過掌握深度學習卻不是一件輕松的事情，尤其是對機器學習或深度學習的初學者來說，挑戰(zhàn)更多。為了廣大人工智能初學者或愛好者能在較短時間內掌握深度學習基礎及利用PyTorch解決深度學習問題，我們花了近一年時間打磨這本書，在內容選擇、安排和組織等方面采用了如下方法。

（1）內容選擇：廣泛涉獵精講注重實戰(zhàn)

深度學習涉及面比較廣，且有一定門檻。沒有一定廣度很難達到一定深度，所以本書內容基本包括了機器學習、深度學習的主要內容。書中各章一般先簡單介紹相應的架構或原理，幫助讀者理解深度學習的本質。當然，如果只有概念、框架、原理、數(shù)學公式的介紹，可能就顯得有點抽象或乏味，所以，每章都配有大量實踐案例，通過實例有利于加深對原理和公式的理解，同時有利于把相關內容融會貫通。

（2）內容安排：簡單實例開始循序漸進

深度學習是一塊難啃的硬骨頭，對有一定開發(fā)經(jīng)驗和數(shù)學基礎的從業(yè)者是這樣，對初學者更是如此。其中卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、對抗式神經(jīng)網(wǎng)絡是深度學習的基石，同時也是深度學習的3大硬骨頭。為了讓讀者更好地理解掌握這些網(wǎng)絡，我們采用循序漸進的方式，先從簡單特例開始，然后逐步介紹更一般性的內容，最后通過一些PyTorch代碼實例實現(xiàn)之，整本書的結構及各章節(jié)內容安排都遵循這個原則。此外，一些優(yōu)化方法也采用這種方法，如對數(shù)據(jù)集Cifar10分類優(yōu)化，先用一般卷積神經(jīng)網(wǎng)絡，然后使用集成方法、現(xiàn)代經(jīng)典網(wǎng)絡，最后采用數(shù)據(jù)增加和遷移方法，使得模型精度不斷提升，由最初的68%，上升到74%和90%，最后達到95%左右。

（3）表達形式：讓圖說話，一張好圖勝過千言萬語

在機器學習、深度學習中有很多抽象的概念、復雜的算法、深奧的理論等，如Numpy的廣播機制、梯度下降對學習率敏感、神經(jīng)網(wǎng)絡中的共享參數(shù)、動量優(yōu)化法、梯度消失或爆炸等，這些內容如果只用文字來描述，可能很難達到使讀者茅塞頓開的效果，但如果用一些圖形來展現(xiàn)，再加上適當?shù)奈淖终f明，往往能取得非常好的效果，正所謂一張好圖勝過千言萬語。

除了以上談到的3個方面，為了幫助大家更好理解、更快掌握機器學習、深度學習這些人工智能的核心內容，本書還包含了其他方法。我們希望通過這些方法方式帶給你不一樣的理解和體驗，使抽象數(shù)學不抽象、深度學習不深奧、復雜算法不復雜、難學的深度學習也易學，這也是我們寫這本書的主要目的。

至于人工智能（AI）的重要性，我想就不用多說了。如果說2016年前屬于擺事實論證的階段，2017年和2018年是事實勝于雄辯的階段，那么2019年及以后就進入百舸爭流、奮楫者先的階段。目前各行各業(yè)都忙于AI ，大家都希望通過AI來改造傳統(tǒng)流程、傳統(tǒng)結構、傳統(tǒng)業(yè)務、傳統(tǒng)架構，其效果猶如歷史上用電改造原有的各行各業(yè)一樣。

你還可能感興趣

我要評論