掌握業界和學術界最流行、最活躍的深度學習程式庫—PyTorch
?
【內容簡介】
?聚焦主流與前沿的深度學習架構與應用
?完整掌握PyTorch深度學習應用開發
?透過PyTorch API快速上手深度學習實作
本書前半部（CH1-CH10）是為初學者設計，使用Google Colab雲端GPU，只需打開瀏覽器即可開發，讓讀者在短時間內完整掌握深度學習的觀念；而本書後半部（CH11-CH15）定位於進階實務與最新應用，在讀者具備深度學習基礎後，自行準備GPU開發，無論在Windows或Linux系統，都可作為銜接研究或專題應用的進階教材。每章皆精細講解核心觀念，搭配Step by Step實作，確保讀者完全理解原理與操作。內容聚焦於近年主流與前沿的深度學習架構與應用，包括Transformer系列、擴散模型、物件偵測、影像分割，以及結合大型語言模型的視覺語言模型。
【精彩內容】
?透過Google Colab在瀏覽器中開發，免本地端 GPU，低成本即可上手學習
?利用PyTorch torch.nn模組，掌握簡潔指令、自由組合且容易擴展的模塊化API
?利用PyTorch Dataset與DataLoader建立高效的數據導入管道，速度更快、更簡單
?掌握PyTorch進階技巧：客製化網路層（Custom Layers）與客製化模型包裝器（Model Wrapper）
?運用TensorBoard視覺化技巧，記錄訓練損失、準確率與權重分布
?使用TorchvisionDatasets數據集平台，方便下載與使用資料集
?使用PyTorch Hub開放預訓練模型平台，快速載入與使用預訓練網路模型
?了解神經網路反向傳遞（Backpropagation）的原理
?了解及實作全連接神經網路
?了解及實作卷積神經網路
?了解及實作遷移學習，透過PyTorch Hub搭建MobileNetV3網路模型進行遷移學習
?掌握訓練網路的技巧：權重初始化（Xavier、He初始化）、Dropout、Batch Normalization
?學習深度學習經典網路架構：LeNet、AlexNet、VGG、GoogLeNet、ResNet
?聚焦Transformer系列、擴散模型、物件偵測、影像分割等近年主流與前沿的深度學習架構與應用
?認識視覺語言模型（Vision-Language Models）的定義、任務型態與應用情境
?