PyTorch官方出品了一本深度学习书,免费提供给开发者

讨论 伯纳德
Lv3 见习炼丹师
发布在 PyTorch   51   0
讨论 伯纳德   51   0

“为了帮助开发者使用PyTorch,我们正在制作‘Deep Learning with PyTorch’一书”。

刚刚,PyTorh在官方Twitter上放出这一消息,并宣布这本书将免费提供给社区。

根据出版商Manning出版社的介绍,这本书的核心,是教你如何使用Python 和 PyTorch 实现深度学习算法。

所以出版商介绍称,想要更好的消化这本书,需要对Python知识和基本线性代数有了解,对深度学习有一些理解更好,但并不需要你具备使用PyTorch或其他深度学习框架的经验。

在多位业内人士看来,这本书的优点是易上手。

有人评价说,这本书用平易近人的方式,介绍了非常专业的主题。也有人评价说,它是机器学习领域最容易上手的书之一。

(下载链接在文末)

书中都讲了啥?

从Manning出版社的介绍页面来看,这本书一共分为两大部分,13个章节。

第一部分内容主要是理论,名为PyTorch核心。

简单介绍深度学习领域后,开始探索使用预训练网络,然后提升使用张量的技能。

包括如何使用张量表示最常见的数据类型,以及如何从头开始构建和训练神经网络(重点是图像和序列)。

目录如下:

1、介绍深度学习和PyTorch库
2、预训练网络
3、从一个张量开始
4、使用张量表示真实世界数据
5、学习的机制
6、使用神经网络拟合我们的数据
7、从飞机上辨别鸟类——从图像中学习
8、使用卷积函数进行泛化

第二部分主要讲实战,名为“从现实世界的图像中学习:肺癌的早期检测”。

在这部分将会上手实操,使用在有限的输入下训练神经网络的方法,去处理数据得到一些结果。

然后筛选不可靠的初始结果,并聚焦在如何诊断和修复神经网络中的问题上。

最后,将了解如何使用增强数据进行训练、改进模型,以及通过微调来改进模型结果。

目录如下:

9、使用PyTorch对抗癌症
10、预备,数据集,走起!
11、分类疑似肿瘤
12、监控指标:精确度、召回率和精美的图表
13、利用分割技术来发现可疑肿瘤

谁写的这本书?

这本书的作者一共有两位:Eli Stevens和Luca Antiga。

Eli Stevens,是一名软件工程师,已经在硅谷工作了15年。过去7年中,他在一家开发医疗设备软件的创业公司担任CTO。

Luca Antiga,是一家AI创业公司的联合创始人兼CEO,也是PyToch社区定期撰稿人。

下图是他们两位(左:Luca Antiga;右:Eli Stevenson)和这本书的编辑Frances Lefkowitz。

如果你对这本书感兴趣,请收好传送门:

https://www.manning.com/books/deep-learning-with-pytorch#toc

版权声明:作者保留权利,不代表意本站立场。如需转载请联系本站以及作者。

参与讨论

回复《 PyTorch官方出品了一本深度学习书,免费提供给开发者

EditorJs 编辑器

沙发,很寂寞~
反馈
to-top--btn