基于PyTorch的深度学习

目录 前言 1 第1 章 PyTorch 入门 9 组装定制深度学习计算机 9 GPU 10 CPU/ 主板 10 RAM 11 存储 11 使用云的深度学习 11 Google Colaboratory 12 云提供商 13 要使用哪个云提供商？ 16 使用Jupyter Notebook 17 从头安装PyTorch 18 下载CUDA 18 Anaconda 19 终于要安装PyTorch(和Jupyter Notebook)了! 19 张量 20 张量操作 21 张量广播 24 小结 24 延伸阅读 25 第2 章 用PyTorch 进行图像分类 27 我们的分类问题 27 传统挑战 29 首先需要数据 29 PyTorch 和数据加载器 30 建立一个训练数据集 31 建立验证和测试数据集 33 终于要建立一个神经网络了 34 激活函数 35 创建一个网络 36 损失函数 37 优化 37 训练 40 要求使用GPU 41 综合 41 预测 43 模型保存 44 小结 45 延伸阅读 46 第3 章 卷积神经网络 47 我们的**个卷积模型 47 卷积 49 池化 52 Dropout 53 CNN 架构历史 54 AlexNet 54 Inception/GoogLeNet55 VGG 56 ResNet 58 还有其他架构 59 PyTorch 中使用预训练模型 59 分析模型的结构 60 BatchNorm 63 要使用哪个模型 63 一站式模型库：PyTorch Hub 64 小结 65 延伸阅读 65 第4 章 迁移学习和其他技巧 67 用ResNet 迁移学习 67 查找学习率 69 差分学习率 72 数据增强 74 Torchvision 转换 75 颜色空间和Lambda 转换 80 定制转换类82 从小开始，逐步变大 83 组合 84 小结 85 延伸阅读 85 第5 章 文本分类 87 循环神经网络 87 长短期记忆网络 90 门控循环单元 91 biLSTM 92 嵌入 93 torchtext 95 获得数据：来自推特 96 定义字段 98 建立单词表100 创建模型 102 更新训练循环 103 推文分类 104 数据增强 105 随机插入 106 随机删除 106 随机交换 107 回译 107 增强和torchtext 109 迁移学习？109 小结 109 延伸阅读 110 第6 章 声音之旅 113 声音 113 ESC-50 数据集 115 得到数据集 115 在Jupyter 中播放音频 115 探索ESC-50 116 SoX 和LibROSA 117 torchaudio 118 构建一个ESC-50 数据集 119 用于ESC-50 的一个CNN 模型 121 转入频域 123 梅尔声谱图124 一个新数据集 126 一个微调的ResNet 129 查找学习率131 音频数据增强 132 torchaudio 转换 133 SoX 音效链 133 SpecAugment 135 更多试验 140 小结 140 延伸阅读 141 第7 章 调试PyTorch 模型 143 凌晨3 点，你的数据在做什么 143 TensorBoard 144 安装TensorBoard 144 向TensorBoard 发送数据 145 PyTorch 钩子 149 均值和标准差绘图 150 类激活映射152 火焰图 154 安装py-spy 157 读火焰图 158 修正一个很慢的转换 159 调试GPU 问题 163 检查你的GPU 163 梯度检查点165 小结 167 延伸阅读 168 第8 章 生产环境中使用PyTorch 169 提供模型服务 169 构建一个Flask 服务 170 设置模型参数 173 建立Docker 容器 174 本地与云存储 177 日志和遥测180 在Kubernetes 上部署 181 使用Google Kubernetes Engine 部署 181 创建一个k8s 集群 182 扩缩服务 183 更新和清理184 TorchScript 185 跟踪 185 脚本 188 TorchScript 限制 190 使用libTorch 193 得到libTorch 和Hello World 193 导入一个TorchScript 模型 195 小结 196 延伸阅读 197 第9 章 PyTorch 的广阔世界 199 数据增强：混合和平滑 199 mixup 199 标签平滑 204 计算机，提高 205 超分辨率介绍 206 GAN 介绍 209 伪造者与评判者 209 训练GAN 210 模式坍塌的危险 212 ESRGAN 212 图像检测的更多探索 213 对象检测 214 Faster R-CNN 和Mask R-CNN 216 对抗样本 218 黑盒攻击 221 防范对抗攻击 222 不只是视觉：Transformer 架构 222 注意力 223 Attention Is All You Need 224 BERT 225 FastBERT 225 GPT-2 227 用GPT-2 生成文本 228 ULMFiT 230 使用哪一个模型 233 小结 233 延伸阅读 234 作者介绍 237 封面介绍 237