本书介绍了深度学习的基础及PyTorch库的应用。深度学习革新了软件编写方式，PyTorch提供工具处理raw data并构建模型。内容涵盖数据预处理、模型训练、损失函数、优化器以及数据加载流程。
Preface
深度学习最初在2010年代出现，最初出现在CV领域，开始被应用于医学图像分析任务。
深度学习代表了一种全新的软件编写方式：一种新的多用途算法，可以学习如何通过观察数据来解决复杂的任务。
chapter 1 Introducing deep learning and the pytorch library
深度学习的前一阶段，机器学习依赖于特征工程，即是对输入数据的转换使其帮助下游算法。深度学习是从raw data中自动生成这样的表达。
Pytorch是帮助建造深度学习项目的库。tensor是与numpy数组相似的多维数组
用Dataset class将原始的数据转换成pytorch可以处理的标准的tensor形式
Dataloader class 并行加载数据，它的实例可以生成子进程，从后台的数据集中加载数据，以便准备好并等待进行训练循环。
评估模型在样本上的表现，用criterion或loss function对模型的结果和期望结果进行比较。
optimizer更新模型，使得模型得到的结果更靠近期望。
chapter 2
Pretrained ImageNet
最低0.47元/天 解锁文章
扫一扫
2877
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
