PyTorch深度学习入门与技术实践（人工智能与大数据系列） pdf下载

《PyTorch深度学习入门与技术实践》介绍如何学习和使用流行的PyTorch框架开发深度学习应用，主要内容包括PyTorch中的计算图，用三阶多项式拟合函数，实现手写数字识别，神经网络基础，卷积神经网络，PyTorch基础知识，transformer架构，文本分类应用开发，聊天机器人应用开发，用Wav2Vec2进行语音识别，机器翻译应用开发，分布式PyTorch等。

《PyTorch深度学习入门与技术实践》适合作为高等院校计算机、软件工程专业本科生、研究生的参考书目，同时也适用于对PyTorch深度学习领域感兴趣的人士。

罗刚，北京勤云科技发展有限公司技术负责人，网站架构专家 主持开发远程稿件处理系统 系统自动校对文章格式，同时提取标题、关键词、参考文献等信息。自动校对稿件格式、要素是否齐全，提醒作者重新修改再投，编辑将省去因格式修改带来的大量工作。

第1章?深度学习快速入门

1.1?各种深度学习应用

1.2?准备开发环境

1.2.1?Linux基础

1.2.2?Micro编辑器

1.2.3?在Linux系统中安装Python

1.2.4?选择Python版本

1.2.5?在Windows系统中安装Python

1.3?体验PyTorch

1.3.1?安装PyTorch

1.3.2?PyTorch中的计算图

1.3.3　用三阶多项式拟合函数

1.3.4?实现手写数字识别

1.4?本章小结

第2章?Python技术基础

2.1?变量

2.2?注释

2.3?简单数据类型

2.3.1?数值

2.3.2?字符串

2.3.3?数组

2.4?字面值

2.5?控制流

2.5.1?条件语句

2.5.2?循环语句

2.6?列表

2.7?元组

2.8?集合

2.9?字典

2.10?位数组

2.11?模块

2.12?函数

2.13?print函数

2.14?正则表达式

2.15?文件操作

2.15.1?读写文件

2.15.2?重命名文件

2.15.3?遍历文件

2.16?with语句

2.17?使用pickle模块序列化对象

2.18?面向对象编程

2.19?命令行参数

2.20?数据库

2.21?JSON格式

2.22?日志记录

2.23?异常处理

2.24?本章小结

第3章?PyTorch中的深度学习

3.1?神经网络基础

3.1.1?实现深度前馈网络

3.1.2?计算过程

3.2?卷积神经网络

3.3?PyTorch基础知识

3.3.1?创建张量

3.3.2?随机张量

3.3.3?零和一

3.3.4?范围张量

3.3.5?张量数据类型

3.3.6?从张量获取信息

3.3.7?操纵张量

3.3.8?深度学习中最常见的错误之一（形状错误）

3.3.9?求最小值、最大值、平均值、总和等

3.3.10?最大值、最小值的所处位置

3.3.11?更改张量数据类型

3.3.12?重塑、堆叠、压缩和解压

3.3.13?索引（从张量中选择数据）

3.3.14?PyTorch张量和NumPy

3.3.15?再现性（试图从随机中提取随机性）

3.4?transformer架构

3.4.1?编码器

3.4.2?解码器

3.4.3?生成概率分布

3.5?为PyTorch模型提供服务

3.6?本章小结

第4章?PyTorch开发深度学习应用

4.1?文本分类

4.1.1?准备数据集

4.1.2?定义网络

4.1.3?训练网络

4.2?开发聊天机器人

4.3?用Wav2Vec 2.0进行语音识别

4.4?机器翻译

4.5?本章小结

第5章?分布式PyTorch

5.1?PyTorch分布式概述

5.1.1?数据并行训练

5.1.2?基于RPC的分布式训练

5.2?数据并行

5.3?单机模型并行最佳实践

5.4?分布式数据并行入门

5.5?用PyTorch编写分布式应用程序

5.6?完全分片数据并行入门

5.7?基于完全分片数据并行的高级模型训练

5.8?分布式RPC框架入门

5.8.1?使用RPC和RRef的分布式强化学习

5.8.2?使用分布式Autograd和分布式优化器的分布式RNN

5.9?使用分布式RPC框架实现参数服务器

5.10?基于RPC的分布式流水线并行

5.10.1?步骤1：分区ResNet50模型

5.10.2?步骤2：将ResNet50模型分片拼接到一个模块中

5.10.3?步骤3：定义训练循环

5.10.4?步骤4：启动RPC进程

5.11?使用异步执行实现批量RPC处理

5.11.1?批量更新参数服务器

5.11.2?批量处理CartPole求解器

5.12?分布式数据并行与分布式RPC框架的结合

5.13?使用流水线并行性训练transformer模型

5.14?本章小结

PyTorch是Python实现的一个深度学习框架，也是一个使用GPU和CPU进行深度学习的优化张量库。目前，PyTorch的主要维护者是Facebook AI Research（FAIR），它是一个由Facebook和其他研究机构共同开发的开源项目。《PyTorch深度学习入门与技术实践》绍了使用PyTorch开发深度学习应用。

《PyTorch深度学习入门与技术实践》共5章，第1章为深度学习快速入门；第2章为Python技术基础；第3章为PyTorch中的深度学习；第4章为PyTorch开发深度学习应用；第5章为分布式PyTorch。

书中难免存在错误和疏漏，在此恳请广大读者朋友不吝指正。

感谢早期合著者、合作伙伴、员工、学员、读者的支持，给我们提供了良好的工作基础。就像玻璃容器中的水培植物一样，这是一个持久可用的成长基础。技术的融合与创新无止境。欢迎一起探索。

罗刚

2024年9月