comsol案例中文pdf_Pytorch官方力荐-11月新书《Pytorch深度学习实战指南》pdf及代码分享...

PyTorch是目前非常流行的机器学习、深度学习算法运算框架。它可以充分利用GPU进行加速，可以快速的处理复杂的深度学习模型，并且具有很好的扩展性，可以轻松扩展到分布式系统。PyTorch与Python数据科学生态系统可以很好的配合使用，很好兼容Numpy、Pandas或者其他类似的工具。

文末附本书pdf最新版、随书代码下载地址。

PyTorch很容易上手，不需要读者对算法实现的细节非常了解，提供了丰富的高阶接口供使用者搭建各种复杂的模型，帮助研究人员专注于他们最关心的事情—构建和训练最新、最前沿的深度学习模型。因此，Pytorch为人工智能技术的进步做出了巨大的贡献。PyTorch非常容易扩展和兼容其他的python工具。PyTorch已经被数百名深度学习的研究人员和几个一流的单位所采用，比如FAIR、OpenAI、FastAI和Purdue。

本书主要讲什么

学习使用使用Pytorch的基本API

理解PyTorch中的自动求导机制

训练深层神经网络

监控训练过程并可视化结果

实现模型和损失函数

将数据通过python加载到PyTorch中

与NumPy的互操作性

部署PyTorch模型进行预测

关于这本书

《Pytorch深度学习实战指南》本书分为两个部分。第一部分教读者如何用Python和Pytorch实现深度学习算法。第二部分为读者提供了一个非常好的实战案例：建立一个能够使用计算机断层扫描检测恶性肺部肿瘤的算法。当作者引导读者通过这个真实的例子来基于Pytorch实现整个算法系统时，读者会发现PyTorch是多么的有效和有趣。本书首先快速介绍深度学习环境，然后讲解使用预先训练好的网络来和学习tensor概念。读者会发现如何用tensors表示最常见的数据类型，以及如何从实际例子开始建立和训练神经网络，本书的重点将关注图像和NLP相关实践。

在讲解了相关基础知识之后，这本书第二部分将带通过一个核心的实战项目来教会读者如何使用pytorch构建模型。这本书的核心是为癌症检测而设计的神经网络。读者会发现用有限的输入训练网络的方法，并开始处理数据以获得一些结果。读者将筛选不可靠的初始结果，并专注于如何诊断和修复神经网络中的问题。最后，将通过使用构造伪数据、改进模型架构以及执行其他微调方法来学习提高模型效果的方法。

本书目录

本书最新版pdf及随书代码下载地址

微信公众号“深度学习与NLP”回复关键字“ptr19”获取下载地址。