PyTorch与深度学习实战

图书介绍

本书特色：1、理论与实战结合：本书以使用PyTorch实现深度学习的全流程为主线，针对常见的各类深度神经网络，通过图文并茂的方式介绍其原理，并通过实例介绍了具体的PyTorch实现方式。2、以应用为导向：本书针对深度学习的常见应用，如文字识别、文本生成和图像风格转换等，从背景介绍到原理分析，再到任务案例的具体流程，让读者明确如何利用所学知识来解决问题，并通过实训和课后习题巩固所学知识，真正理解并能够应用所学知识。3、注重启发式教学。全书大部分章节以一个例子为开端，注重对于读者思路的启发与解决方案的实施。通过对深度学习任务的全流程的体验，让读者真正理解并掌握深度学习的相关技术。

本书内容：本书以PyTorch深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用PyTorch实现深度学习应用的重要内容。全书共7章，内容包括深度学习概述、PyTorch深度学习通用流程、PyTorch深度学习基础、手写汉字识别、文本生成、基于CycleGAN的图像风格转换、基于TipDM数据挖掘建模平台实现文本生成等技术。本书大部分章节包含了实训和课后习题，通过练习和操作实践，帮助读者巩固所学的内容。

本书适用对象：1.开设有深度学习或人工智能等相关课程的高校的学生。 2.深度学习应用的开发人员。 3.进行深度学习应用研究的科研人员。

图书目录

第1章 深度学习概述

1.1 深度学习简介
1.2 深度学习与其他领域
1.3 PyTorch简介
1.4 PyTorch中的预训练模型

第2章 PyTorch深度学习通用流程

2.1 数据加载与预处理
2.2 构建网络
2.3 编译网络
2.4 训练网络
2.5 性能评估
小结
实训 CIFAR10图像分类
课后习题

第3章 PyTorch深度学习基础

3.1 卷积神经网络基础
3.2 循环神经网络
3.3 生成对抗网络
小结
实训1 基于卷积神经网络的人脸表情识别
实训2 基于循环神经网络的文本情感分类
实训3 基于生成对抗网络的人脸图像生成
课后习题

第4章 手写汉字识别

4.1 目标分析
4.2 加载数据
4.3 构建网络
4.4 编译网络
4.5 训练网络
4.6 性能评估
4.7 泛化测试
小结
实训 手写中文数字识别
课后习题

第5章 文本生成

5.1 目标分析
5.2 文本预处理
5.3 构建网络
5.4 训练网络
5.5 结果分析
小结
实训 基于LSTM的文本生成
课后习题

第6章 基于CycleGAN的图像风格转换

6.1 目标分析
6.2 数据准备
6.3 构建网络
6.4 训练网络
6.5 结果分析
小结
实训 基于GAN实现苹果与橙子的转换
课后习题

第7章 基于TipDM大数据挖掘建模平台实现文本生成

7.1 平台简介
7.2 实现文本生成
小结
实训 实现基于LSTM的文本生成
课后习题