PYTORCH与深度学习实战

第 1章　深度学习概述　1

1.1　深度学习简介　1

1.1.1　深度学习的定义　1

1.1.2　深度学习的常见应用　2

1.2　深度学习与应用领域　9

1.2.1　深度学习与计算机视觉　9

1.2.2　深度学习与自然语言处理　10

1.2.3　深度学习与语音识别　11

1.2.4　深度学习与机器学习　12

1.2.5　深度学习与人工智能　13

1.3　PyTorch简介　14

1.3.1　各深度学习框架对比　14

1.3.2　PyTorch生态　16

1.3.3　PyTorch特点　17

1.3.4　PyTorch安装　17

1.4　PyTorch中的预训练模型　23

1.4.1　预训练模型的概念　23

1.4.2　预训练模型的使用场景　24

1.4.3　PyTorch预训练模型的调用方法　25

小结　26

课后习题　26

第 2章　PyTorch深度学习通用流程　28

2.1　数据加载与预处理　29

2.1.1　数据加载　29

2.1.2　数据预处理　30

2.1.3　加载及预处理猫狗分类数据　37

2.2　构建网络　42

2.2.1　常用的网络构建方法　42

2.2.2　激活函数　46

2.2.3　构建基于卷积神经网络的猫狗分类网络　50

2.3　编译网络　53

2.3.1　损失函数　53

2.3.2　优化器　56

2.3.3　编译基于卷积神经网络的猫狗分类网络　59

2.4　训练网络　60

2.4.1　迭代次数　60

2.4.2　批训练　61

2.4.3　训练基于卷积神经网络的猫狗分类网络　61

2.5　性能评估　62

2.5.1　评估指标　62

2.5.2　评估基于卷积神经网络的猫狗分类模型的性能　63

小结　66

实训　CIFAR-10图像分类　66

课后习题　67

第3章　PyTorch深度学习基础　68

3.1　卷积神经网络基础　68

3.1.1　常用的卷积神经网络算法及其结构　68

3.1.2　卷积神经网络中的常用网络层　72

3.1.3　基于卷积神经网络的手写数字识别　87

3.2　循环神经网络基础　97

3.2.1　常用的循环神经网络算法及其结构　97

3.2.2　循环神经网络中的常用网络层　101

3.2.3　基于LSTM网络的时间序列分析　111

3.3　生成对抗网络基础　115

3.3.1　常用的生成对抗网络算法及其结构　115

3.3.2　基于生成对抗网络的手写数字图像生成　119

小结　126

实训1　基于卷积神经网络的人脸表情识别　126

实训2　基于循环神经网络的文本情感分类　126

实训3　基于生成对抗网络的人物图片生成　127

课后习题　127

第4章　手写汉字识别　129

4.1　目标分析　129

4.1.1　背景　129

4.1.2　分析目标　130

4.1.3　项目工程结构　131

4.2　加载数据　132

4.2.1　定义生成图像集路径文档的函数　132

4.2.2　定义读取并转换图像数据格式的类　133

4.2.3　加载图像数据　134

4.3　构建网络　135

4.4　编译网络　137

4.5　训练网络　138

4.6　性能评估　138

4.7　模型预测　140

小结　140

实训　手写中文数字识别　141

课后习题　141

第5章　文本生成　142

5.1　目标分析　142

5.1.1　背景　142

5.1.2　分析目标　143

5.1.3　项目工程结构　143

5.2　文本预处理　144

5.2.1　处理数据　144

5.2.2　创建字典　145

5.2.3　生成序列　146

5.3　构建网络　148

5.3.1　定义文本生成类的构造方法　149

5.3.2　初始化权重　150

5.3.3　设置数据在网络中的流动方向　151

5.4　训练网络　153

5.4.1　设置配置项　153

5.4.2　执行训练　154

5.4.3　定义文本生成器　156

5.5　结果分析　159

小结　160

实训　基于LSTM网络的文本生成　160

课后习题　161

第6章　基于CycleGAN的图像风格转换　162

6.1　目标分析　162

6.1.1　背景　162

6.1.2　分析目标　163

6.1.3　项目工程结构　164

6.2　数据准备　164

6.3　构建网络　166

6.3.1　残差网络　167

6.3.2　生成器　167

6.3.3　判别器　169

6.3.4　缓存队列　170

6.4　训练网络　171

6.5　结果分析　175

小结　176

实训　基于CycleGAN实现冬天与夏天的图像风格转换　176

课后习题　177

第7章　基于TipDM大数据挖掘建模平台实现文本生成　178

7.1　平台简介　178

7.1.1　共享库　180

7.1.2　数据连接　180

7.1.3　数据集　180

7.1.4　我的工程　181

7.1.5　个人组件　184

7.2　实现文本生成　184

7.2.1　配置数据源　185

7.2.2　文本预处理　187

7.2.3　构建网络　189

7.2.4　训练网络　191

7.2.5　结果分析　195

小结　197

实训　通过TipDM平台实现基于LSTM网络的文本生成　197

课后习题　197