该repository是《PyTorch机器学习从入门到实战》书里对应的示例代码。
购书链接： 机械工业出版社 | 亚马逊 | china-pub | 当当 | 京东
近年来，基于深度学习的人工智能掀起了一股学习的热潮。本书是使用PyTorch深度学习框架的入门书籍。本书从深度学习原理入手，由浅入深，阐述深度学习中神经网络、深度神经网络、卷积神经网络、自编码器、循环神经网络等，同时穿插学习PyTorch框架的各个知识点和基于知识点的实例。最后，综合运用PyTorch和深度学习知识，来解决实践中的具体问题，比如图像识别、文本分类和命令词识别等。可以说，本书是深度学习和PyTorch的入门教程，同时也引领读者登堂入室，进入机会和挑战的人工智能领域。
本书针对的对象是机器学习和人工智能的爱好者和研究者，希望其能够有一定的机器学习和深度学习知识，有一定的Python编程基础。
编者才疏学浅, 更兼时间和精力所限, 书中错谬之处甚多，已发现的错误在勘误中列出，对新的错误欢迎提issues不吝告知, 将不胜感激。
第 1 章 深度学习介绍
1.1 人工智能、机器学习与深度学习
1.2 深度学习工具介绍
1.3 PyTorch 介绍
1.4 你能从本书中学到什么
第 2 章 PyTorch 安装和快速上手
2.1 PyTorch 安装
2.2 Jupyter Notebook 使用
2.3 NumPy 基础知识
2.4 PyTorch 基础知识
第 3 章 神经网络
3.1 神经元与神经网络
3.2 激活函数
3.3 前向算法
3.4 损失函数
3.5 反向传播算法
3.6 数据的准备
3.7 PyTorch 实例：单层神经网络实现
第 4 章 深度神经网络及训练
4.1 深度神经网络
4.2 梯度下降
4.3 优化器
4.4 正则化
4.5 PyTorch 实例：深度神经网络实现
第 5 章 卷积神经网络
5.1 计算机视觉
5.2 卷积神经网络
5.3 MNIST 数据集上卷积神经网络的实现
第 6 章 嵌入与表征学习
6.1 PCA
6.2 自编码器
6.3 词嵌入
第 7 章 序列预测模型
7.1 序列数据处理
7.2 循环神经网络
7.3 LSTM 和 GRU
7.4 LSTM 在自然语言处理中的应用
7.5 序列到序列网络
7.6 PyTorch 实例：基于 GRU 和 Attention 的机器翻译
第 8 章 PyTorch 项目实战
8.1 图像识别和迁移学习——猫狗大战
8.2 文本分类
8.3 语音识别系统介绍
- python==3.6.5
- pytorch==0.3.0
- torch==0.3.0
- torchtext==0.2.1
- torchvision==0.2.0
- librosa==0.5.1