庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
   
拒絕家庭意外！居家安全設計健檢100+：瓦斯•水電•防墜•防盜，讓家人遠離危險的保平安設計
拒絕家庭意外！居家安全設計健檢100+：瓦斯•水電•防墜•防盜，讓家人遠離危險的保平安設計
  • 定價93.00元
  • 8 折優惠：HK$74.4
    • 放入購物車
二樓書籍分類
 
PyTorch深度學習入門與應用：必備實作知識與工具一本就學會
PyTorch深度學習入門與應用：必備實作知識與工具一本就學會

沒有庫存
訂購需時10-14天
9786263332591
王進德
博碩
2022年10月04日
200.00  元
HK$ 180  

詳
細
資
料 		ISBN：9786263332591
  • 規格：平裝 / 336頁 / 17 x 23 x 1.86 cm / 普通級 / 單色印刷 / 初版
  • 出版地：台灣
    		•
    分
    類     		電腦資訊 > 概論/科技趨勢 > 人工智慧/機器學習
    同
    類
    書
    推
    薦
    理論到實作都一清二楚：機器學習原理深究
    理論到實作都一清二楚：機器學習原理深究
    Tensorflow接班王者：Google JAX深度學習又快又強大
    凡人也能懂的白話人工智慧演算法
    30分鐘就讀懂：機器學習從數學開始(第二版)
    其
    他
    讀
    者
    也
    買
    Go 學習手冊
    前端三十：從HTML到瀏覽器渲染的前端開發者必備心法（iT邦幫忙鐵人賽系列書）
    詭奇兵法：孫臏
    CSS視覺辭典
    會動的演算法：61 個演算法動畫＋全圖解逐步拆解，人工智慧、資料分析必備
    完全自學！Go 語言 (Golang) 實戰聖經
    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?：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?：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?：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?：Q學習演算法解走至戶外問題

    12.8 實習?：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?：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?：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?：DQN解CartPole問題
    書
    評

    其 他 著 作
    1. 未來工廠超進化！工業4.0的物聯網智慧工廠應用與實作：使用Arduino．Node-RED．Python．Grafana
    2. Python程式設計與OpenAI API應用：零基礎建構非同步GUI的AI聊天機器人
    3. Ubuntu22系統管理與網路服務實務應用：晉升專業網管工程師×物聯網工程師實戰攻略
    4. Ubuntu 20管理入門與實作
    5. 工業4.0的物聯網智慧工廠應用與實作：使用Arduino．Node-RED．MySQL．Node.js
    6. Raspberry Pi入門與機器人實作應用
    7. 嵌入式Linux程式設計（第四版）(附範例光碟)?