《PyTorch深度学习实战》读书笔记思维导图.pptxVIP

最新版读书笔记，下载可以直接修改《PyTorch深度学习实战》思维导图PPT模板本书关键字分析思维导图小结模型数据第章损失深度训练结节图像神经网络量学习项目扫描脚本示例设计肿瘤验证目录关于封面插图内容提要0201致 谢关于本书0304目录第1部分 PyTorch核心资源与支持0605第2部分 从现实世界的图像中学习：肺癌的...第3部分 部署0708内容摘要虽然很多深度学习工具都使用Python，但PyTorch库是真正具备Python风格的。对于任何了解NumPy和scikit-learn等工具的人来说，上手PyTorch轻而易举。PyTorch在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。本书是教你使用PyTorch创建神经网络和深度学习系统的实用指南。它帮助读者快速从零开始构建一个真实示例：肿瘤图像分类器。在此过程中，它涵盖了整个深度学习管道的关键实践，包括PyTorch张量API、用Python加载数据、监控训练以及将结果进行可视化展示。本书主要内容：（1）训练深层神经网络；（2）实现模块和损失函数；（3）使用PyTorchHub预先训练的模型；（4）探索在JupyterNotebooks中编写示例代码。内容提要翻译者的水平太差了，感觉像是用百度翻译直接弄出来的，一本好书就这么被糟蹋了，建议直接看英文原书吧。关于封面插图感谢人邮的赠书。致 谢推荐PyTorch初学者快速浏览阅读，大概理解PyTorch包括哪些模块。关于本书非常详细，带着一个完整明确的课题case，也附带着完整的代码，面向的读者人群还是需要有一定的基础。资源与支持能用也适合初学者去学习，偏向于技术，对于了解pytorch有帮助。第1部分 PyTorch核心第1部分 PyTorch核心第3章 从张量开始第1章 深度学习和PyTorch库简介第2章 预训练网络第4章 使用张量表征真实数据第1部分 PyTorch核心第7章 区分鸟和飞机：从图像学习第5章 学习的机制第6章 使用神经网络拟合数据第8章 使用卷积进行泛化第1章 深度学习和PyTorch库简介1.3 为什么用PyTorch1.1 深度学习革命1.2 PyTorch深度学习1.4 PyTorch如何支持深度学习概...第1章 深度学习和PyTorch库简介1.6 练习题1.5 硬件和软件要求1.7 本章小结第2章 预训练网络2.3 一个描述场景的预训练网络2.1 一个识别图像主体的预训练网络2.2 一个足以以假乱真的预训练模型2.4 Torch Hub第2章 预训练网络2.6 练习题2.5 总结2.7 本章小结第3章 从张量开始0204063.2 张量：多维数组3.4 命名张量3.6 张量的API013.1 实际数据转为浮点数053.5 张量的元素类型033.3 索引张量第3章 从张量开始0204063.8 张量元数据：大小、偏移量和步长3.10 NumPy互操作性3.12 序列化张量013.7 张量的存储视图053.11 广义张量也是张量033.9 将张量存储到GPU第3章 从张量开始3.14 练习题3.13 总结3.15 本章小结第4章 使用张量表征真实数据4.3 表示表格数据4.1 处理图像4.2 三维图像：体数据4.4 处理时间序列第4章 使用张量表征真实数据4.7 练习题4.5 表示文本4.6 总结4.8 本章小结第5章 学习的机制5.3 减少损失是我们想要的5.1 永恒的建模经验5.2 学习就是参数估计5.4 沿着梯度下降第5章 学习的机制5.7 练习题5.5 PyTorch自动求导：反向传播...5.6 总结5.8 本章小结第6章 使用神经网络拟合数据0204066.2 PyTorch nn模块6.4 总结6.6 本章小结016.1 人工神经网络056.5 练习题036.3 最终完成一个神经网络第7章 区分鸟和飞机：从图像学习7.3 总结37.1 微小图像数据集17.4 练习题47.2 区分鸟和飞机27.5 本章小结5第8章 使用卷积进行泛化8.3 子类化nn.Module8.1 卷积介绍8.2 卷积实战8.4 训练我们的convnet第8章 使用卷积进行泛化8.7 练习题8.5 模型设计8.6 总结8.8 本章小结第2部分 从现实世界的图像中学习：肺癌的...第2部分 从现实世界的图像中学习：肺癌的...020406第10章 将数据源组合成统一的数据集第12章 通过指标和数据增强来提升训练第14章 端到端的结节分析及下一步的方向01第9章 使用PyTorch来检测癌症05第13章 利用分割法寻找可疑结节0