色欲永久精品无码免费毛片,999zyz玖玖资源站免费中文

內容簡介

　　本書從多維數組Tensor開始，循序漸進地介紹PyTorch各方面的基礎知識，并結合深度學習中的經典應用，帶領讀者從零開始完成幾個經典而有趣的實際項目，包括動漫頭像生成、風格遷移、自動寫詩以及目標檢測。本書還介紹了PyTorch的幾個高級擴展，包括向量化計算、分布式加速以及CUDA擴展。本書既適合深度學習的初學者及第一次接觸PyTorch的研究人員閱讀，也適合有一定PyTorch使用經驗的用戶閱讀，幫助他們建立對PyTorch的基本認識，提高使用PyTorch框架解決實際問題的能力。

作者簡介

　　王博：北京郵電大學模式識別實驗室在讀碩士研究生，主要研究方向為深度學習與計算機視覺。Python程序員，PyTorch推廣者。作為助教為大一學生講解《人工智能導論》實驗課程，受到同學們的好評。陳云：多倫多大學在讀計算機博士生，現任waabi.ai研究員。曾在Uber ATG從事無人駕駛研究，獲得CVPR2021最佳論文提名。

圖書目錄

第 1 章深度學習框架簡介 1
1．1 深度學習框架編年史．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．2 PyTorch 與 TensorFlow 的對比．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 6
1．3 為什么選擇 PyTorch ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 8
第 2 章 PyTorch 快速入門 11
2．1 安裝與配置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
2．1．1 在 Linux 系統(tǒng)下安裝 PyTorch ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
2．1．2 在 Windows 系統(tǒng)下安裝 PyTorch ．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 13
2．1．3 學習工具介紹．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 14
2．1．4 服務器開發(fā)介紹．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 23
2．2 PyTorch 快速入門指南．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 23
2．2．1 Tensor ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 23
2．2．2 autograd：自動微分．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 29
2．2．3 神經網絡．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 31
2．2．4 小試牛刀：CIFAR-10 分類．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 36
2．3 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 42
第 3 章 Tensor 和 autograd 43
3．1 Tensor 基礎．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 43
3．1．1 Tensor 的基本操作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 43
3．1．2 命名張量．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 60
3．1．3 Tensor 與 NumPy ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 61
3．1．4 Tensor 的基本結構．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 63
3．1．5 變形記：N 種改變 Tensor 形狀的方法．．．．．．．．．．．．．．．．．．．．．．．．． 65
3．2 小試牛刀：線性回歸．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 70
3．3 autograd 和計算圖基礎．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 73
3．3．1 autograd 的用法：requires_grad 與 backward ．．．．．．．．．．．．．．．．．．．．． 73
3．3．2 autograd 的原理：計算圖．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 76
3．3．3 擴展 autograd：Function ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 83
3．3．4 小試牛刀：利用 autograd 實現線性回歸．．．．．．．．．．．．．．．．．．．．．．．． 84
3．4 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 87
第 4 章神經網絡工具箱 nn 89
4．1 nn．Module ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 89
4．2 常用的神經網絡層．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 93
4．2．1 圖像相關層．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 93
4．2．2 激活函數．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 97
4．2．3 構建神經網絡．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 98
4．2．4 循環(huán)神經網絡．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 101
4．2．5 損失函數．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 102
4．3 nn．functional ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 103
4．3．1 nn．functional 與 nn．Module 的區(qū)別．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 103
4．3．2 采樣函數．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 105
4．4 初始化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 106
4．5 優(yōu)化器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 107
4．6 nn．Module 深入分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 109
4．7 小試牛刀：搭建 ResNet ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 116
4．8 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 120
第 5 章 PyTorch 中常用的工具 121
5．1 數據處理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 121
5．1．1 Dataset ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 121
5．1．2 DataLoader ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 128
5．2 預訓練模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 135
5．3 可視化工具．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 137
5．3．1 TensorBoard ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 137
5．3．2 Visdom ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 143
5．4 使用 GPU 加速：CUDA ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 148
5．5 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 154
第 6 章向量化 155
6．1 向量化簡介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 155
6．2 廣播法則．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 156
6．3 索引操作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 157
6．3．1 基本索引．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 157
6．3．2 高級索引．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 161
6．3．3 einsum / einops ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 173
6．4 小試牛刀：使用向量化思想解決實際問題．．．．．．．．．．．．．．．．．．．．．．．．．．．． 179
6．4．1 Box_IoU ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 179
6．4．2 RoI Align ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 181
6．4．3 反向 Unique ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 185
6．5 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 185
第 7 章 PyTorch 與 Multi-GPU 187
7．1 單機多卡并行．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 187
7．1．1 并行原理介紹．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 187
7．1．2 DataParallel 使用示例．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 189
7．2 分布式系統(tǒng) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 191
7．2．1 分布式系統(tǒng)的基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 191
7．2．2 分布式消息傳遞接口．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 192
7．2．3 小試牛刀：分布式計算實操演練．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 196
7．3 PyTorch 分布式訓練．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 198
7．3．1 使用 MPI 進行分布式訓練．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 198
7．3．2 使用 torch．distributed 進行分布式訓練．．．．．．．．．．．．．．．．．．．．．．．．． 201
7．3．3 使用 Horovod 進行分布式訓練．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 203
7．4 分布式訓練中的注意事項．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 206
7．4．1 保持同步．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 206
7．4．2 進程協(xié)作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 207
7．4．3 常用調試技巧．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 208
7．5 進階擴展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 209
7．6 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 210
第 8 章 CUDA 擴展與編譯 211
8．1 PyTorch C++ 擴展簡介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 211
8．1．1 C++ 擴展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 211
8．1．2 CUDA 擴展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 216
8．2 CUDA、NVIDIA-driver、cuDNN、PyTorch 之間的關系．．．．．．．．．．．．．．．．． 222
8．3 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 225
第 9 章 PyTorch 實戰(zhàn)指南 227
9．1 編程實戰(zhàn)：貓和狗二分類．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 227
9．1．1 比賽介紹．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 228
9．1．2 文件組織結構．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 228
9．1．3 __init__．py ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 229
9．1．4 數據加載．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 230
9．1．5 模型定義．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 232
9．1．6 工具函數．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 233
9．1．7 配置文件．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 235
9．1．8 main．py ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 237
9．1．9 使用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 244
9．1．10 爭議．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 244
9．2 PyTorch 調試指南．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 246
9．2．1 ipdb 介紹．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 246
9．2．2 在 PyTorch 中調試．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 250
9．3 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 254
第 10 章 AI 插畫師：生成對抗網絡 255
10．1 GAN 原理簡介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 255
10．2 使用 GAN 生成動漫人物頭像．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 259
10．3 實驗結果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 268
10．4 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 269
第 11 章 AI 詩人：用 Transformer 寫詩 271
11．1 自然語言處理的基礎知識．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 271
11．1．1 詞向量．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 271
11．1．2 RNN ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 274
11．2 CharRNN ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 277
11．3 Transformer ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 278
11．3．1 自注意力模塊．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 280
11．3．2 位置編碼模塊．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 281
11．4 使用 PyTorch 實現 Transformer 寫詩．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 282
11．5 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 294
第 12 章 AI 藝術家：神經網絡風格遷移 295
12．1 風格遷移原理介紹．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 296
12．2 使用 PyTorch 實現風格遷移．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 300
12．3 實驗結果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 308
12．4 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 310
第 13 章 CenterNet：目標檢測 311
13．1 目標檢測概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 311
13．2 CenterNet 原理介紹．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 313
13．3 使用 PyTorch 實現 CenterNet ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 318
13．3．1 使用 pycocotools 加載 COCO 數據集．．．．．．．．．．．．．．．．．．．．．．．．．． 318
13．3．2 搭建 CenterNet 網絡．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 319
13．4 實驗結果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 328
13．5 小結．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 330
參考文獻 331