MLNLP
(
機器學習演算法與自然語言處理
)社群是國內外知名自然語言處理社群，受眾覆蓋國內外NLP碩博生、高校老師以及企業研究人員。
社群的願景 是促進國內外自然語言處理，機器學習學術界、產業界和廣大愛好者之間的交流，特別是初學者同學們的進步。
(
機器學習演算法與自然語言處理
)社群是國內外知名自然語言處理社群，受眾覆蓋國內外NLP碩博生、高校老師以及企業研究人員。
轉載自 | 專知
【導讀】Pytorch官網Pytorch.org最近釋出了一本開源書深度學習《Deep Learning with PyTorch》，共141頁pdf，限時開放，涵蓋了深度學習和Pytorch庫的介紹，預訓練網路，張量，學習機制，資料神經網路學習。書裡面有詳實的程式碼，是入門學習Pytorch深度學習必備器物，不得不看！
網址：
https://pytorch.org/deep-learning-with-pytorch
作者介紹：
Eli Stevens過去15年一直在矽谷工作，是一名軟體工程師，過去7年一直是一家制造醫療裝置軟體的初創公司的首席技術官。
Luca Antiga是位於義大利貝加莫的一家人工智慧工程公司的聯合創始人兼執行長，也是PyTorch的定期貢獻者。
完整pdf下載：請關注MLNLP公眾號（點選下方卡片關注）
-
後臺回覆“PDL” 獲取Pytorch深度學習《Deep Learning with PyTorch》電子書pdf下載連結
《PyTorch 深度學習》旨在指導人們開始自己的 AI/機器學習開發之路，全書總共只有 5 個章節
使用PyTorch的深度學習提供了一個詳細的、實際操作的介紹，本書介紹如何使用PyTorch構建和訓練神經網路，PyTorch是一個流行的開源機器學習框架。這本書包括:
第一章是入門內容介紹，主要介紹了什麼是 PyTorch和為什麼我們要選擇 PyTorch，以及對本書內容層次的總體介紹，讓剛剛入門的讀者能夠開門見山，大量的插圖介紹了深度學習和Pytorch的概念。包括：
-
深度學習模型自動地學習將輸入和期望的輸出與示例聯絡起來。像PyTorch這樣的庫允許您高效地構建和訓練神經網路模型。
-
PyTorch最小化了認知開銷，同時注重靈活性和速度。它還預設為立即執行操作。
-
TorchScript是一種可以從c++呼叫的預編譯延遲執行模式。
-
自2017年初發布PyTorch以來，深度學習工具生態系統得到了顯著的鞏固。
-
PyTorch提供了幾個實用程式庫來促進深度學習專案。
一個開發者正忙於定義工程特性並將它們提供給一個學習演算法。這項任務的結果將和他設計的功能一樣好。在圖的右側，透過深度學習，將原始資料反饋給一個自動提取層次特徵的演算法，該演算法基於最佳化演算法在任務上的效能。結果將與執行者推動演算法實現其目標的能力一樣好。
上圖顯示了一個標準的設定，它載入資料、訓練一個模型，然後將該模型部署到生產環境中
第二章則從張量這一深度學習的基本概念開始，介紹了張量的相關數學機制，以及深度學習是怎樣處理資料，完成學習這一過程的。涵蓋：
-
神經網路將浮點表示法轉換為其他浮點表示法，而開始和結束表示法通常是可由人類解釋的。中間的表示法則不然。
-
這些浮點表示儲存在張量。
-
張量是PyTorch多維陣列和基本的資料結構。
-
PyTorch有張量的綜合標準庫建立和操縱和數學運算。
-
張量可以序列化到磁碟和載入。
-
PyTorch張量操作可以執行的CPU和GPU上沒有修改程式碼。
-
PyTorch使用拖曳下劃線來表示一個函式執行就地一個張量(如Tensor.sqrt_)
深度神經網路學習如何將輸入表示轉換為輸出表示
第三章開始則透過張量和真實世界的資料進行聯絡，說明了如何使用張量表示表格、時序、影像和文字等資料。
將一維多通道資料轉換為二維多通道資料。在這個過程中，我們需要將每個樣本的日期和時間放在不同的座標軸上
第四章則進入機器學習機制的介紹，說明了深度學習的權重更新和反向傳播原理。
約翰內斯·開普勒考慮了多個可能適合手頭資料的候選模型，最終選定了一個橢圓。
利用autograd軟體計算出模型的正向圖和反向圖
第五章主要集中在使用 PyTorch 構建神經網路並擬合數據分佈。有了前幾章的理論基礎，這一章會增加很多程式碼方面實踐介紹。
人工神經元:包含在非線性函式中的線性變換
一個三層的神經網路架構
下載
完整pdf下載：請關注MLNLP公眾號（點選下方卡片關注）
-
後臺回覆“PDL” 獲取Pytorch深度學習《Deep Learning with PyTorch》電子書pdf下載連結
-END-
技術交流群邀請函
△長按新增小助手
掃描二維碼新增小助手微信
關於我們