PyTorch深度学习实战
伊莱·史蒂文斯 卢卡·安蒂加 托马斯·菲曼
6221人在读
40万字总字数
¥76.74定价
伊莱·史蒂文斯 卢卡·安蒂加 托马斯·菲曼
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PyTorchHub预先训练的模型；（4）探索在JupyterNotebooks中编写示例代码。
这是一本好书。 我是从实践开始深度学习的。即从pytorch官方网站的实例教程开始第一步；再到github上的开源模型。从源码的角度看，很多的知识点都是不懂就问Bing,多半都是得到一知半解的答案。 从实践中来，到了需要完整理论体系来解惑之前一知半解的疑问的时候了。这本书娓娓道来，把需要的知识体系慢慢展现的你的面前。 另外，个人觉得翻译的挺不错的。基本和我之前看pyrorch官方文档的知识理解一致。
这本书真的是太棒了。真实的医学实例，详尽到略显啰嗦的代码流程，覆盖分类模型和语义分割模型，还有很多可爱的小插图阐明技术原理让人会心一笑。 本书以其说在教读者怎么用pytorch，不如说在手把手指导怎么实践一个深度学习项目。 初学者强烈推荐。
入门了解还是不错的，但是越到后面，感觉跳跃比较大，不是一步一步教你怎么做了，而是给个大概，然后列出代码，不好理解。
不错的一本书，深入浅出介绍了PyTorch的概念，以及用项目来展示PyTorch的能力。 本来编程就是实践性工作，本身案例确实更有利于实现知识的理解和掌握。 美中不足的有两个地方：1，有些概念的运用比较突兀，突然就出现一些新的大词，比如“顶级属性”；2，最后一章的部署部分，讲得比较凌乱，理解起来比较麻烦一点。其他OK。值得翻一遍。
挺有难度的一本书，需要结合实操读2遍以上，第二部分最难，虽说跟随作者思维操作，无奈在训练模型时，机器配置过低，训练一次时间太长，不能完整继续下去。
（英语书有两类，一类逻辑较明了，一类叙述很特别、很不符合东亚语言逻辑。很不幸，这本书属于后者。）划掉。纯粹是翻译太差，得在心中翻译回英文才懂。。🙂
给推荐是给这本书内容，确实是不错的、细致的pytorch入门以及神经网络机器学习基础的入门书籍。前半本谈及各种基础，深入浅出，内容90分。后半本太着重于一个ct肿瘤检测案例，如果对cnn不感兴趣可能用处有限，给70分。但是翻译只有20分，基本还不如机器翻译。如果要nlp之类知识，还需要阅读别的书籍。
请问本书的GitHub仓库地址在哪呢？
全书系统的讲解了PyTorch在深度学习中的应用，并且结合具体实例讲解，具有很好的操作性，值得反复研读
感谢人邮的赠书。趁着培训草草翻阅完毕。作者是pytorch的社区贡献者，对于深度学习的了解毋庸置疑，但是建议阅读者需要先看看pytorch的官方文档，再了解下矩阵计算，方能更好理解代码内容。