《动手学深度学习(PyTorch版)》书籍分享1:全书概览
[复制链接]
再次感谢EEWord提供的书籍阅读及分享机会。
一、出版信息
《动手学深度学习(PyTorch版)》为阿斯顿-张(Aston Zhang)等主编,何孝霆等译,人民邮电出版社23年2月第一版,全书572页,97.2万字。
书籍主页采用黑白印刷,除封面外有4页铜版纸,印刷了很多图片,有深度学习训练、测试图,以及效果可视图等,印刷质量非常不错。
二、本书的赞誉
书籍获得了很多大咖的赞誉,好几位院士写了荐语,作者应该还是很有背景的,我比较熟悉的就是西瓜书的作者周志华了。
工业界写荐语的有NVIDIA的黄仁勋,地平线余凯等人
三、目录及书本结构
目录及书本结构主要有三部分组成,有不同的颜色差异,但是在黑白印刷的页面,颜色层次不够明显。
跟网站上提供的彩色图相比,相差非常大
第一部分(第1章~第4章):包括基础知识和预备知识。第1章提供深度学习的入门课程。第2章快速介绍实践深度学习所需的前提条件,例如,如何存储和处理数据,以及如何应用基于线性代数、微积分和概率等基本概念的各种数值运算。第3章和第4章涵盖深度学习的基本概念和技术,例如,线性回归、多层感知机和正则化。
第二部分(第5章~第10章):集中讨论现代深度学习技术。第5章描述深度学习计算的各种关键组件,并为我们随后实现更复杂的模型奠定了基础。第6章和第7章介绍卷积神经网络(convolutional neural network,CNN),这是构成大多数现代计算机视觉系统骨干的强大工具。第8章和第9章引入循环神经网络(recurrent neurdnetwork,RNN),这是一种利用数据中的时间或序列结构的模型,通常用于自然语言处理和时间序列预测。第10章介绍一类新的模型,它采用了一种称为注意力机制的技术,最近它们已经开始在自然语言处理中取代循环神经网络。这一部分将帮助者快速了解大多数现代深度学习应用背后的基本工具。
第三部分(第11章~第15章):讨论可伸缩性、效率和应用程序。第11章讨论用于训练深度学习模型的几种常用优化算法。第12章探讨影响深度学习代码计算性能的几个关键因素。第13章展示深度学习在计算机视觉中的主要应用。第14章和第15章展示如何预训练语言表示模型并将其应用于自然语言处理任务。
四、学习环境配置
本书相关的代码需要在Python环境下运行,因此需要配置相应的开发环境,主要包括MiniConda的安装,PyTorch的安装,D2L软件包的安装,以及书籍配套代码的获取等
由于自己的电脑上安装了AnaConda,因此首先查了MiniConda的不同
conda是一个包和环境管理工具,它不仅能管理包,还能隔离和管理不同python版本的环境。类似管理nodejs环境的nvm工具。
anaconda和miniconda都是conda的一种发行版。只是包含的包不同。
anaconda包含了conda、python等180多个科学包及其依赖项,体格比较大。但很多东西你未必用到,所以才有mini版。
miniconda是最小的conda安装环境,只有conda+python+pip+zlib和一些其他常用的包,体格非常迷你。
pip也叫包管理器,和conda的区别是,pip只管理python的包,而conda可以安装所有语言的包。而且conda可以管理python环境,pip不行。
MiniConda的网址为https://docs.anaconda.com/miniconda/,可以直接下载,注意自己电脑的操作系统就可以。
PyTorch的网址为 https://pytorch.org/ ,下载的时候要确定自己的操作系统以及显卡是否带GPU。
带GPU和不带GPU都给出了直接安装的代码:
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip3 install torch torchvision torchaudio
书籍由于出版的时间较早,使用的版本分别是CUDA1.12和CPU的0.13
D2L软件可以直接用PiP在Python开发环境下下载
pip install d2l==0.17.6
D2L配套的代码为https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip,可直接下载
五、书籍的电子版资料
在搜素D2L软件包的时候,无意搜素到了本书的电子版资料
网站为:https://zh.d2l.ai/index.html
|