pytorch 多层lstm_PyTorch上榜年度最热门的开源项目，这本入门书不得不推给你

程序员书库(ID：CodingBook) 猿妹综合整理

近日 InfoWorld 公布了 2019 年最佳开源软件榜单。十几年来，InfoWorld每年都会发布该榜单，开源软件对于开发者来说至关重要，不仅因为它们是免费的，最主要的是它们确实很好用。

如今，对于软件开发、云计算、数据分析、机器学习等领域而言，最重要的软件都是开源软件，PyTorch是今年上榜的开源项目之一

2018年，深度学习快速蹿红之后，PyTorch在2019年成为最适合用于生产中的工具，随着PyTorch 1.0版本的发布和TorchScript (Python的jit编译子集，结合了快速的c++运行时)的加入，该框架已逐步成熟

除此之外，在过去的一年里，PyTorch周围的生态系统也变得更加成熟，难怪PyTorch会成为许多数据科学家的最爱。

这里有一本关于PyTorch的深度学习开源书籍，推荐给大家——《First steps towards Deep Learning》，本书在数学上算得上是轻量级的，适合那些没有深度学习经验或扎实的数学背景的读者，其主要目的是帮助你入门深度学习。

篇幅很短，本书只有5个章节，分别如下：

• 第一章：了解人工神经网络
• 第二章：pyTorch简介
• 第三章：如何让计算机看见？
• 第四章：如何让计算机记忆？
• 第五章：深入扩展

第一章：什么是神经网络？

神经网络的灵感来自我们大脑的工作方式。上面的图片代表图形流，其中圆圈代表神经元，边缘代表轴突。数字{w1，w2…wn}是神经网络的权值集。权值是神经网络的关键部分，因为它们是在神经网络经过训练过程时会调整的参数。

完全连接的神经网络

深度学习领域始于多层感知器(MLP)的出现。简而言之，这是一个前馈神经网络。这些MLP具有输入层，隐藏层和输出层。MLP可以很好地处理不可线性分离的数据。关于MLP的关键是它的所有层都是完全连接的。这意味着一层的每个神经元都连接到下一层的所有神经元。

1975年，反向传播成为训练MLP的实用方法。但是深度学习仍然不是进行机器学习的主流方法。那是因为MLP通常是在XOR数据集上训练的。除了缺乏计算能力外，还缺乏可以验证MLP实用性的现实生活数据集。1995年左右，Yann LeCun发布了MNIST数据集，是一个手写数字数据库。后来为神经网络的基础。

第二章：Pytorch简介

为什么选择pyTorch？

Pytorch是一个基于python的科学计算框架，它也可以帮助我们设计深度神经网络。对python友好，这使得初学者非常容易立即开始编码。Python已经成为机器学习领域的通用语言。

我最喜欢Pytorch的特性是：

• 简单直观的API
• 模型图

Pytorch的动态计算图使编写代码变得非常直观。与TensorFlow相比，由于该图不是静态的，因此深度神经网络架构师更容易更改。

有许多基准测试表明，pytorch比keras更快，有时甚至可以与tensorflow相提并论。

为了演示，我们将在Pytorch中设计一个神经网络，该网络具有1个10神经元隐藏层，一个输入层和一个输出层。你也可以通过示例代码添加更多的层。

第三章：如何让电脑看到？

卷积神经网络

在深度学习世界中，卷积神经网络(或卷积神经网络或CNN)已成为解决与图像有关的标准方法。关于CNN最好的部分是，与前代产品相比，它们所需的预处理比较少。几乎不需要硬编码功能。

对于计算机而言，图像不过是多维数组(如果图像是RGB，则为3-d)。取值范围是0-255。对于计算机而言，图像不过是像素值的集合。以下是示例图片：

第四章 如何让计算机记忆？

• 灵感
• RNNs是什么?
• LSTM及其变体
• 在pytorch中使用LSTMs生成单词
• 该领域的进展

第五章 下一步

• 从 Fast.ai MOOCs 开始学习
• 在学习Fast ai's 课程同时, 学习Andrej Karpathy的课程笔记
• 开始学习斯坦福大学 CS 231n.
• 学习CS 229

不知道这本书合不合你的心意呢？