PYTORCH深度學(xué)習(xí)指南:編程基礎(chǔ) 卷I

前　言
致　謝
關(guān)于作者
譯者序
常見問題
　　為什么選擇PyTorch？
　　為什么選擇這套書？
　　誰應(yīng)該讀這套書？
　　我需要知道什么？
　　如何閱讀這套書？
　　下一步是什么？
設(shè)置指南
　　官方資料庫
　　環(huán)境
　　　　谷歌Colab
　　　　Binder
　　　　本地安裝
　　繼續(xù)
第0章　可視化梯度下降
　　劇透
　　Jupyter Notebook
　　　　導(dǎo)入
　　可視化梯度下降
　　模型
　　數(shù)據(jù)生成
　　　　合成數(shù)據(jù)生成
　　　　訓(xùn)練-驗證-測試拆分
　　第0步——隨機(jī)初始化
　　第1步——計算模型的預(yù)測
　　第2步——計算損失
　　　　損失面
　　　　橫截面
　　第3步——計算梯度
　　　　可視化梯度
　　　　反向傳播
　　第4步——更新參數(shù)
　　　　學(xué)習(xí)率
　　第5步——循環(huán)往復(fù)
　　　　梯度下降的路徑
　　回顧
第1章　一個簡單的回歸問題
　　劇透
　　Jupyter Notebook
　　　　導(dǎo)入
　　一個簡單的回歸問題
　　數(shù)據(jù)生成
　　　　合成數(shù)據(jù)生成
　　梯度下降
　　　　第0步——隨機(jī)初始化
　　　　第1步——計算模型的預(yù)測
　　　　第2步——計算損失
　　　　第3步——計算梯度
　　　　第4步——更新參數(shù)
　　　　第5步——循環(huán)往復(fù)
　　Numpy中的線性回歸
　　PyTorch
　　　　張量
　　　　加載數(shù)據(jù)、設(shè)備和CUDA
　　　　創(chuàng)建參數(shù)
　　Autograd
　　　　backward
　　　　grad
　　　　zero_
　　　　更新參數(shù)
　　　　no_grad
　　動態(tài)計算圖
　　優(yōu)化器
　　　　step/zero_grad
　　損失
　　模型
　　　　參數(shù)
　　　　state_dict
　　　　設(shè)備
　　　　前向傳遞
　　　　訓(xùn)練
　　　　嵌套模型
　　　　序列（Sequential）模型
　　　　層
　　歸納總結(jié)
　　　　數(shù)據(jù)準(zhǔn)備
　　　　模型配置
　　　　模型訓(xùn)練
　　回顧
第2章　重新思考訓(xùn)練循環(huán)
　　劇透
　　Jupyter Notebook
　　　　導(dǎo)入
　　重新思考訓(xùn)練循環(huán)
　　　　訓(xùn)練步驟
　　Dataset
　　　　TensorDataset
　　DataLoader
　　　　小批量內(nèi)循環(huán)
　　　　隨機(jī)拆分
　　評估
　　　　繪制損失
　　TensorBoard
　　　　在Notebook中運(yùn)行
　　　　單獨(dú)運(yùn)行（本地安裝）
　　　　單獨(dú)運(yùn)行（Binder）
　　　　SummaryWriter
　　　　add_graph
　　　　add_scalars
　　保存和加載模型
　　　　模型狀態(tài)
　　　　保存
　　　　恢復(fù)訓(xùn)練
　　　　部署/做出預(yù)測
　　　　設(shè)置模型的模式
　　歸納總結(jié)
　　回顧
第2.1章　追求優(yōu)雅
　　劇透
　　Jupyter Notebook
　　　　導(dǎo)入
　　追求優(yōu)雅
　　　　類
　　　　構(gòu)造方法
　　　　訓(xùn)練方法
　　　　保存和加載方法
　　　　可視化方法
　　　　完整代碼
　　典型的管道
　　　　模型訓(xùn)練
　　　　做出預(yù)測
　　　　檢查點(diǎn)
　　　　恢復(fù)訓(xùn)練
　　歸納總結(jié)
　　回顧
第3章　一個簡單的分類問題
　　劇透
　　Jupyter Notebook
　　　　導(dǎo)入
　　一個簡單的分類問題
　　數(shù)據(jù)生成
　　數(shù)據(jù)準(zhǔn)備
　　模型
　　　　logit
　　　　概率
　　　　比值比（Odds Ratio）
　　　　對數(shù)比值比
　　　　從logit到概率
　　　　Sigmoid
　　　　邏輯斯蒂回歸
　　損失
　　　　BCELoss
　　　　BCEWithLogitsLoss
　　　　不平衡數(shù)據(jù)集
　　模型配置
　　模型訓(xùn)練
　　決策邊界
　　分類閾值
　　　　混淆矩陣
　　　　指標(biāo)
　　　　權(quán)衡和曲線
　　歸納總結(jié)
　　回顧