內文簡介
＜內容簡介＞

深度學習是人工智慧的一個分支，相較於傳統的機器學習，深度學習在某些領域中更接近人類智慧，而逐漸走進我們的生活中，常見的應用如人臉辨識、語音識別、智慧駕駛等。

PyTorch是一個開源的Python深度學習函式庫，這個軟體主要由Facebook的人工智慧研究團隊開發，而由於PyTorch的語法簡單，且擁有完善的文件說明，目前已成為開發深度學習的主要框架之一。

本書內容由淺入深，不只對PyTorch進行系統化的介紹，也詳細說明了神經網路、CNN網路、RNN網路及強化學習等主題。本書還安排了18個實習，以PyTorch實作深度學習的各種演算法，經由實作的過程，可有效幫助讀者學習，進入深度學習的世界。

【目標讀者】
☛對深度學習有興趣的初學者，可讓讀者兼顧理論與實作。
☛適用於大專院校「深度學習」課程的學生，可作為教師授課之用。
☛已學過TensorFlow且想再學習PyTorch框架者，可對學習、研究及求職有很大的幫助。
☛專案設計者、AI工程師、數據分析工程師，也很適合閱讀本書。

★本書特色：

著重PyTorch的實作與應用，
輕鬆進入深度學習與人工智慧領域！

☛詳細說明深度學習的實作流程，以系統化步驟來處理各式的任務問題。
☛介紹深度學習原理，實作DNN、CNN、RNN、LSTM、RL各種演算法。
☛提供完整的程式範例，程式力求淺顯易懂，說明深入淺出。
☛注重數據集的探索處理，可強化數據分析能力。

★目錄：

|CHAPTER 01| PyTorch簡介與安裝
1.1 本章提要
1.2 PyTorch簡介
1.3 建置PyTorch開發環境
1.4 安裝CPU版本的PyTorch
1.5 安裝GPU版本的PyTorch
1.6 Jupyter Notebook基本操作
1.7 測試PyTorch是否安裝成功

|CHAPTER 02| PyTorch張量
2.1 本章提要
2.2 建立張量
2.3 建立預設值張量
2.4 張量與NumPy
2.5 CPU和GPU中的張量
2.6 張量的索引及切片
2.7 張量的變換
2.8 張量拼接及拆分
2.9 比較運算
2.10 實習：張量基本操作

|CHAPTER 03| 自動微分與線性迴歸
3.1 本章提要
3.2 PyTorch自動微分
3.3 線性迴歸
3.4 梯度下降法解多元迴歸問題
3.5 張量算術運算
3.6 實習：Autograd解多元迴歸問題

|CHAPTER 04| 建構神經網路
4.1 本章提要
4.2 感知器
4.3 多層神經網路
4.4 激活函數
4.5 損失函數
4.6 倒傳遞演算法
4.7 優化器
4.8 torch.nn模組
4.9 torch.optim模組
4.10 訓練神經網路程式架構
4.11 實習：單層神經網路解多元迴歸問題

|CHAPTER 05| 數據探索與處理
5.1 本章提要
5.2 數據分析
5.3 探索數據
5.4 處理異常值
5.5 處理缺失值
5.6 數據縮放
5.7 拆分數據集
5.8 實習：預測歌曲發行年份

|CHAPTER 06| 自定義神經網路
6.1 本章提要
6.2 自定義網路層
6.3 nn.functional模組
6.4 深度學習實現流程
6.5 Dataset與DataLoader
6.6 儲存與載入模型
6.7 實習：信用卡違約二元分類
6.8 自定義Dataset
6.9 實習：鳶尾花多元分類

|CHAPTER 07| 卷積神經網路
7.1 本章提要
7.2 CNN基本結構
7.3 卷積層
7.4 池化層.
7.5 全連接層
7.6 加入Dropout層及BatchNorm層
7.7 實習：MNIST手寫數字辨識

|CHAPTER 08| 遷移學習
8.1 本章提要
8.2 TorchVision函式庫
8.3 實習：使用ResNet18模型進行圖片分類
8.4 調整學習率
8.5 ImageFolder類別
8.6 實習：微調ResNet18模型進行圖片分類

|CHAPTER 09| 建構ResNet神經網路
9.1 本章提要
9.2 CIFAR-10數據準備與探索
9.3 實習：CIFAR-10 CNN圖片分類
9.4 ResNet殘差網路
9.5 ResNet18模型架構
9.6 PyTorch實現ResNet網路
9.7 實習⑪：ResNet10 圖形分類

|CHAPTER 10| 循環神經網路
10.1 本章提要
10.2 RNN 循環神經網路
10.3 隨時間倒傳遞演算法
10.4 雙向RNN
10.5 PyTorch實作RNN網路
10.6 實習⑫：RNN處理序列數據

|CHAPTER 11| 長短期記憶網路
11.1 本章提要
11.2 LSTM工作原理
11.3 門控機制
11.4 GRU網路
11.5 PyTorch實作LSTM網路
11.6 文字轉數字的處理
11.7 詞嵌入
11.8 實習⑬：LSTM網路處理IMDB評論分類

|CHAPTER 12| 強化學習
12.1 本章提要
12.2 強化學習簡介
12.3 Markov決策過程
12.4 獎勵與回報
12.5 Q學習演算法
12.6 Q學習演算法手算範例
12.7 實習⑭：Q學習演算法解走至戶外問題
12.8 實習⑮：Q學習解迷宮

|CHAPTER 13| OpenAI Gym
13.1 本章提要
13.2 OpenAI Gym基本操作
13.3 FrozenLake遊戲
13.4 Epsilon- 貪婪策略
13.5 實習⑯：Q學習演算法解Frozen Lake
13.6 Mountain Car遊戲
13.7 將連續值轉換成離散值
13.8 實習⑰：Q學習演算法解Mountain Car

|CHAPTER 14| 深度Q網路
14.1 本章提要
14.2 DQN網路
14.3 DQN工作原理
14.4 DQN演算法
14.5 CartPole-v1遊戲
14.6 CartPole的深度Q學習
14.7 建構回放緩衝區
14.8 建構主要Q網路及目標Q網路
14.9 實習⑱：DQN解CartPole問題

相關分類

購物須知

寄送時間	全台灣24h到貨，遲到提供100元現金積點。全年無休，週末假日照常出貨。例外說明
送貨方式	透過宅配送達。除網頁另有特別標示外，均為常溫配送。消費者訂購之商品若經配送兩次無法送達，再經本公司以電話與Email均無法聯繫逾三天者，本公司將取消該筆訂單，並且全額退款。
送貨範圍	限台灣本島與離島地區註，部分離島地區包括連江馬祖、綠島、蘭嶼、琉球鄉…等貨件，將送至到岸船公司碼頭，需請收貨人自行至碼頭取貨。注意！收件地址請勿為郵政信箱。註：離島地區不配送安裝商品、手機門號商品、超大材商品及四機商品。
售後服務	缺掉頁更換新品
執照證號＆登錄字號	本公司食品業者登錄字號A-116606102-00000-0

關於退貨

PChome24h購物的消費者，都可以依照消費者保護法的規定，享有商品貨到次日起七天猶豫期的權益。(請留意猶豫期非試用期!!)您所退回的商品必須回復原狀（復原至商品到貨時的原始狀態並且保持完整包裝，包括商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性）。商品一經拆封/啟用保固，將使商品價值減損，您理解本公司將依法收取回復原狀必要之費用(若無法復原，費用將以商品價值損失計算)，請先確認商品正確、外觀可接受再行使用，以免影響您的權利，祝您購物順心。
如果您所購買商品是下列特殊商品，請留意下述退貨注意事項：
1. 易於腐敗之商品、保存期限較短之商品、客製化商品、報紙、期刊、雜誌，依據消費者保護法之規定，於收受商品後將無法享有七天猶豫期之權益且不得辦理退貨。
2. 影音商品、電腦軟體或個人衛生用品等一經拆封即無法回復原狀的商品，在您還不確定是否要辦理退貨以前，請勿拆封，一經拆封則依消費者保護法之規定，無法享有七天猶豫期之權益且不得辦理退貨。
3. 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，一經您事先同意後始提供者，依消費者保護法之規定，您將無法享有七天猶豫期之權益且不得辦理退貨。
4. 組合商品於辦理退貨時，應將組合銷售商品一同退貨，若有遺失、毀損或缺件，PChome將可能要求您依照損毀程度負擔回復原狀必要之費用。
若您需辦理退貨，請利用顧客中心「查訂單」或「退訂/退款查詢」的「退訂/退貨」功能填寫申請，我們將於接獲申請之次日起1個工作天內檢視您的退貨要求，檢視完畢後將以E-mail回覆通知您，並將委託本公司指定之宅配公司，在5個工作天內透過電話與您連絡前往取回退貨商品。請您保持電話暢通，並備妥原商品及所有包裝及附件，以便於交付予本公司指定之宅配公司取回（宅配公司僅負責收件，退貨商品仍由特約廠商進行驗收），宅配公司取件後會提供簽收單據給您，請注意留存。
退回商品時，請以本公司或特約廠商寄送商品給您時所使用的外包裝（紙箱或包裝袋），原封包裝後交付給前來取件的宅配公司；如果本公司或特約廠商寄送商品給您時所使用的外包裝（紙箱或包裝袋）已經遺失，請您在商品原廠外盒之外，再以其他適當的包裝盒進行包裝，切勿任由宅配單直接粘貼在商品原廠外盒上或書寫文字。
若因您要求退貨或換貨、或因本公司無法接受您全部或部分之訂單、或因契約解除或失其效力，而需為您辦理退款事宜時，您同意本公司得代您處理發票或折讓單等相關法令所要求之單據，以利本公司為您辦理退款。
本公司收到您所提出的申請後，若經確認無誤，將依消費者保護法之相關規定，返還您已支付之對價（含信用卡交易），退款日當天會再發送E-mail通知函給您。

PyTorch深度學習入門與應用：必備實作知識與工具一本就學會

搜尋更多

內文簡介

相關分類