深度學習爲世界上的智能系統(好比Google Voice、Siri和Alexa)提供了動力。隨着硬件(如GPU)和軟件框架(如PyTorch、Keras、TensorFlow和CNTK)的進步以及大數據的可用性,人們在文本、視覺和分析等領域更容易實施相應問題的解決方案。算法
使用PyTorch輕鬆開發深度學習應用程序推薦學習《Pytorch 深度學習》。《Pytorch 深度學習》對當今前沿的深度學習庫PyTorch進行了講解。憑藉其易學習性、高效性以及與Python開發的自然親近性,PyTorch得到了深度學習研究人員以及數據科學家們的關注。數組
《Pytorch 深度學習》中文PDF,212頁,帶目錄,文字可複製;英文PDF,250頁,帶目錄,文字可複製;配套源代碼。網絡
下載: https://pan.baidu.com/s/1MGw_g3EYdZtQMTQK6roNHw
提取碼: ky3j架構
從PyTorch的安裝講起,而後介紹了爲現代深度學習提供驅動力的多個基礎模塊,還介紹了使用CNN、RNN、LSTM以及其餘網絡模型解決問題的方法。對多個先進的深度學習架構的概念(好比ResNet、DenseNet、Inception和Seq2Seq)進行了闡述,但沒有深挖其背後的數學細節。與GPU計算相關的知識、使用PyTorch訓練模型的方法,以及用來生成文本和圖像的複雜神經網絡(如生成網絡),也有所涵蓋。框架
使用文本數據分詞、向量化,經過構建情感分類器訓練詞向量,下載IMDB數據並對文本分詞,構建詞表生成向量的批數據,使用詞向量建立網絡模型,訓練模型,使用預訓練的詞向量,下載詞向量,在模型中加載詞向量,凍結embedding層權重,遞歸神經網絡(RNN),LSTM,長期依賴,LSTM網絡,基於序列數據的卷積網絡。機器學習
GAN(Generative Adversarial Network) ,由 Ian Goodfellow 首先提出。Generation就是模型經過學習一些數據,而後生成相似的數據。讓機器看一些動物圖片,而後本身來產生動物的圖片,這就是生成。之前就有不少能夠用來生成的技術了,好比 auto-encoder(自編碼器)。GAN 有兩個網絡,一個是 generator,一個是 discriminator,從二人零和博弈中受啓發,經過兩個網絡互相對抗來達到最好的生成效果。函數
推薦學習《GAN實戰生成對抗網絡》,覆蓋了深度學習的基礎、對抗網絡背後的原理以及構建方式等內容。同時還介紹了多個真實世界中使用對抗網絡構建智能應用的案例並提供了具體的代碼以及部署方法,旨在幫助可以在真正的生產環境中使用生成對抗網絡。學習
《GAN實戰生成對抗網絡》中文PDF,153頁,帶目錄,文字可複製。英文PDF,166頁,帶目錄,文字可複製。
《生成式對抗網絡GANser》PPT,59頁,文字可複製,劉少鵬。大數據
下載: https://pan.baidu.com/s/1NZV_7cw2kA0Scpx6C6LN3Q
提取碼: chi1優化
首先,有一個一代的 generator,它能生成一些不好的圖片,而後有一個一代的 discriminator,它能準確的把生成的圖片,和真實的圖片分類,簡而言之,這個 discriminator 就是一個二分類器,對生成的圖片輸出 0,對真實的圖片輸出 1。接着,開始訓練出二代的 generator,它能生成稍好一點的圖片,可以讓一代的 discriminator 認爲這些生成的圖片是真實的圖片。而後會訓練出一個二代的 discriminator,它能準確的識別出真實的圖片,和二代 generator 生成的圖片。以此類推,會有三代,四代。。。n 代的 generator 和 discriminator,最後 discriminator 沒法分辨生成的圖片和真實圖片,這個網絡就擬合了。
不管是深度學習的初學者,仍是第一次接觸PyTorch的研究人員,推薦學習《深度學習框架PyTorch:入門與實踐》,內容由淺入深,都能在學習本書的過程當中快速掌握PyTorch。
《深度學習框架PyTorch入門與實踐》PDF,301頁,帶書籤目錄,文字能夠複製。配套源代碼。
陳雲 著。
下載: https://pan.baidu.com/s/1QVauOWYB1AVUsRHTlUPssw
提取碼: 546d
從多維數組Tensor開始,按部就班地帶領讀者瞭解PyTorch各方面的基礎知識。結合基礎知識和前沿研究,帶領讀者從零開始完成幾個經典有趣的深度學習小項目,包括GAN生成動漫頭像、AI濾鏡、AI寫詩等。沒有簡單機械地介紹各個函數接口的使用,而是嘗試分門別類、按部就班地向讀者介紹PyTorch的知識,但願讀者對PyTorch有一個完整的認識。內容由淺入深,不管是深度學習的初學者,仍是第一次接觸PyTorch的研究人員,都能在學習本書的過程當中快速掌握PyTorch。即便是有必定PyTorch使用經驗的用戶,也可以從本書中得到對PyTorch不同的理解。
深度學習現在已經成爲科技領域煊赫一時的技術,《深度學習之Pytorch》從機器學習和深度學習的基礎理論入手,從零開始學習PyTorch。瞭解PyTorch 基礎,以及如何用PyTorch 框架搭建模型。學到機器學習中的線性迴歸和Logistic迴歸、深度學習的優化方法、多層全鏈接神經網絡、卷積神經網絡、循環神經網絡,以及生成對抗網絡,最後經過實戰了解深度學習前沿的研究成果,以及時Torch 在實際項目中的應用,理論和代碼相結合。
《深度學習之Pytorch》PDF,231頁,文字可複製;《PyTorch深度學習實戰》PDF,121頁,帶目錄,文字可複製,配套源代碼。
下載: https://pan.baidu.com/s/1xPLGesq9GdKRaida9K94sg
提取碼: brhy
PyTorch是Facebook發佈的一款很是具備個性的深度學習框架,它和Tensorflow,Keras,Theano等其餘深度學習框架都不一樣,它是動態計算圖模式,其應用模型支持在運行過程當中根據運行參數動態改變,而其餘幾種框架都是靜態計算圖模式,其模型在運行以前就已經肯定。
《PyTorch深度學習實戰》共分紅16個章節,第1章是Pytorch簡介和環境搭建;第2~8章是Keras的軟件框架說明,包含了層的說明,優化器和損失函數等;第9~10章重點介紹了深度學習中的卷積和池化的概念;第11~12章是介紹用神經網絡模型搭建圖像識別系統的實戰經驗;第13~16章介紹如何使用LSTM模型來處理天然語言。
《PyTorch深度學習實戰》從原理到實戰、深刻淺出的介紹了Facebook人工智能利器Pytorch的卓越表現,掌握Pytorch的使用技巧了,具備很強的實戰性。
《深度學習與計算機視覺算法原理、框架應用》PDF,帶書籤,347頁。《大數據架構詳解從數據獲取到深度學習》PDF,帶書籤,373頁。配套源代碼。
下載: https://pan.baidu.com/s/1qwb0GWfUU5vjH5IPozsCUA
提取碼: ggfv
《深度學習與計算機視覺算法原理、框架應用》共13章,分爲2篇。第1篇基礎知識,介紹了人工智能發展里程、計算機視覺概要、深度學習和計算機視覺中的基礎數學知識、神經網絡及其相關的機器學習基礎、卷積神經網絡及其一些常見結構,最後對最前沿的趨勢進行了簡單探討。第2篇實例精講,介紹了Python基礎、OpneCV基礎、最簡單的分類神經網絡、圖像識別、利用Caffe作迴歸、遷移學習和模型微調、目標檢測、度量學習和圖像風格遷移等常見的計算機視覺應用場景。從第5章開始包含了不少有趣和實用的代碼示例。從第7章開始的全部實例都基於當前最流行的深度學習框架中的Caffe和MXNet,其中包含了原創的大量代碼和蒐集的數據,