机读格式显示(MARC)

• 000 01821nam0 2200301 450

• 001 0000857632

• 005 20231201100400.0

• 010 __ |a 978-7-111-70055-5 |d CNY79.00

• 100 __ |a 20220326d2022 em y0chiy50 ea

• 101 1_ |a chi |c jpn

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a PyTorch开发入门 |A PyTorch kai fa ru men |e 深度学习模型的构建与程序实现 |f (日) 杜世桥著 |g 杨秋香, 陈晨等译

• 210 __ |a 北京 |c 机械工业出版社 |d 2022

• 215 __ |a xiv, 192页 |c 图 |d 24cm

• 306 __ |a 本书由翔泳社授权机械工业出版社在中国大陆地区 (不包括香港、澳门特别行政区及台湾地区) 出版与发行

• 314 __ |a 杜世桥, 大学时期就读于东京工业大学分子生物学专业, 毕业后在一家IT公司从事软件开发和数据分析工作。

• 330 __ |a 本书以PyTorch为主要内容, 介绍了其安装和实际应用, 共7章。其中, 第1章介绍了PyTorch的包结构; 第2章介绍了线性模型, 并通过PyTorch的实际使用来实现线性回归模型和逻辑回归模型; 第3章进行了神经网络的介绍, 实际使用PyTorch创建一个多层感知器 (Perceptron); 第4章介绍了通过卷积神经网络 (CNN) 进行的图像处理, 通过PyTorch实际进行CNN的图像分类, 低分辨率图像到高分辨率的转换, 使用深度卷积生成对抗网络 (DCGAN) 进行新的图像生成以及迁移学习; 第5章介绍了通过循环神经网络 (RNN) 进行的自然语言处理, 通过PyTorch实际进行文本的分类和文本的生成以及基于编码器-解码器模型的自动翻译; 第6章介绍了SVC矩阵分解以及推荐系统的神经网络构建; 第7章介绍了PyTorch模型的应用程序嵌入, WebAPI的实际创建, Docker的打包发布, 以及基于最新开放神经网络交换 (ONNX) 标准的模型移植。

• 517 1_ |a 深度学习模型的构建与程序实现 |A shen du xue xi mo xing de gou jian yu cheng xu shi xian

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 杜世桥 |A du shi qiao |4 著

• 702 _0 |a 杨秋香 |A yang qiu xiang |4 译

• 702 _0 |a 陈晨 |A chen chen |4 译

• 801 _0 |a CN |b HDUL |c 20220517

• 905 __ |a HDUL |d TP181/4446

• 920 __ |a 233030 |z 1