Python深度學(xué)習(xí)：基于PyTorch
深度學(xué)習(xí)是一塊難啃的硬骨頭，對有一定開發(fā)經(jīng)驗(yàn)和數(shù)學(xué)基礎(chǔ)的從業(yè)者是這樣，對初學(xué)者更是如此。其中卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、對抗式神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的基石，同時(shí)也是深度學(xué)習(xí)的3大硬骨頭。為了讓讀者更好地理解掌握這些網(wǎng)絡(luò)，我們采用循序漸進(jìn)的方式，先從簡單特例開始，然后逐步介紹更一般性的內(nèi)容，最后通過一些PyTorch代碼實(shí)例實(shí)現(xiàn)之，整本書的結(jié)構(gòu)及各章節(jié)內(nèi)容安排都遵循這個(gè)原則。此外，一些優(yōu)化方法也采用這種方法，如對數(shù)據(jù)集Cifar10分類優(yōu)化，先用一般卷積神經(jīng)網(wǎng)絡(luò)，然后使用集成方法、現(xiàn)代經(jīng)典網(wǎng)絡(luò)，最后采用數(shù)據(jù)增加和遷移方法，使得模型精度不斷提升，由最初的68%，上升到74%和90%，最后達(dá)到95%左右。
·11.9萬字
