《深度学习之PyTorch实战计算机视觉》内容简介

计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向，本书旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python编程技能，掌握PyTorch的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。在掌握深度学习理论和编程技能之后，读者还会学到如何基于PyTorch深度学习框架实战计算机视觉。本书中的大量实例可让读者在循序渐进地学习的同时，不断地获得成就感。
本书面向对深度学习技术感兴趣、但是相关基础知识较为薄弱或者零基础的读者。
唐进民，深入理解深度学习与计算机视觉知识体系，有扎实的Python、PyTorch和数学功底，长期活跃于GitHub、知乎等平台，并分享与深度学习相关的文章，具有一定的阅读量和人气。此前在某AI在线教育平台兼职机器学习入门Mentor，辅导新学员入门机器学习和深度学习。

作品目录

内容简介
前
言
第1章：浅谈人工智能、神经网络和计算机视觉
1.1、人工还是智能
1.2、人工智能的三起两落
1.3、神经网络简史
1.4、计算机视觉
1.5、深度学习+
第2章：相关的数学知识
2.1、矩阵运算入门
2.2、导数求解
第3章：深度神经网络基础
3.1、监督学习和无监督学习
3.2、欠拟合和过拟合
3.3、后向传播
3.4、损失和优化
3.5、激活函数
3.6、本地深度学习工作站
第4章：卷积神经网络
4.1、卷积神经网络基础
4.2、LeNet模型
4.3、AlexNet模型
4.4、VGGNet模型
4.5、GoogleNet
4.6、ResNet
第5章：Python基础
5.1、Python简介
5.2、Jupyter
Notebook
5.3、Python入门
5.4、Python中的NumPy
5.5、Python中的Matplotlib
第6章：PyTorch基础
6.1、PyTorch中的Tensor
6.2、自动梯度
6.3、模型搭建和参数优化
6.4、实战手写数字识别
第7章：迁移学习
7.1、迁移学习入门
7.2、数据集处理
7.3、模型搭建和参数优化
7.4、小结
第8章：图像风格迁移实战
8.1、风格迁移入门
8.2、PyTorch图像风格迁移实战
8.3、小结
第9章：多模型融合
9.1、多模型融合入门
9.2、PyTorch之多模型融合实战
9.3、小结
第10章：循环神经网络
10.1、循环神经网络入门
10.2、PyTorch之循环神经网络实战
10.3、小结
第11章：自动编码器
11.1、自动编码器入门
11.2、PyTorch之自动编码实战
11.3、小结
反侵权盗版声明