PyTorch深度学习——深入理解人工智能算法设计
龙良曲
929人在读
18.7万字总字数
¥69.3定价
龙良曲
本书系统介绍了人工智能相关算法，尤其是深度学习算法，包含了基础的算法理论介绍、深度学习框架实现和重要的算法模型应用简介等，本书提供配套的源代码、开源版本电子书、课件素材、以及微课视频等资料。全书共14章，可以分为4部份：第1~3章为第1部分，主要介绍人工智能的初步认知，并引出相关算法问题；第4~5章为第2部分，主要介绍PyTorch框架使用基础知识，为后续算法实现作铺垫；第6~9章为第3部分，主要介绍神经网络的核心理论基础，让读者能理解深度学习的本质；第10~14章为第4部分，主要介绍经典算法方向与模型结构的应用，让读者能够学有所用。
这里需要自己写一个utils.py函数一个参考的实现是import torch import matplotlib.pyplot as plt def one_hot(label, depth=10): return torch.eye(depth)[label] def plot_curve(data): plt.plot(range(len(data)), data) plt.xlabel("step") plt.ylabel("value") plt.show() def plot_image(x, y, name): fig = plt.figure(figsize=(8, 8)) for i in range(9): plt.subplot(3, 3, i + 1) img = x[i].detach().cpu().squeeze() # undo Normalize((0.5,), (0.5,)) img = img * 0.5 + 0.5 plt.imshow(img, cmap="gray") plt.title(f"{name}: {y[i].item()}") plt.axis("off") plt.tight_layout() plt.show()
这本书存在详略不得当的问题。不过对新手来说恰到好处，前面十章的内容可以零基础无压力学习。后面到自编码器和生成对抗网络开始特别是生成对抗网络这里，讲得笼统了些。在后半本书的某些章节与前面的一些内容似乎存在一些重复。整体来说可圈可点。