登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
此作者無相關書籍
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
輕鬆學會Google Colab和Pytorch人工智慧深度學習實作開發
作者：
黃士嘉， 陳亮甫， 趙大衛
分類：
電腦與網路
／
AI•人工智慧
叢書系列：單行本
出版社：
博碩文化
出版日期：2026/9/4
ISBN：9786264145954
書籍編號：kk0613080
頁數：464
定價：
690
元
優惠價：
79
折
545
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0613080'>輕鬆學會Google Colab和Pytorch人工智慧深度學習實作開發</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0613080'><img src='https://www.silkbook.com/mall_image/bk/kk0613080.jpg' ALT='輕鬆學會Google Colab和Pytorch人工智慧深度學習實作開發' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
輕鬆學會Google Colab和Pytorch人工智慧深度學習實作開發 掌握業界和學術界最流行、最活躍的深度學習程式庫—PyTorch 【內容簡介】 ✪聚焦主流與前沿的深度學習架構與應用 ✪完整掌握PyTorch深度學習應用開發 ✪透過PyTorch API快速上手深度學習實作 本書前半部(CH1－CH10)是為初學者設計，使用Google Colab雲端GPU，只需打開瀏覽器即可開發，讓讀者在短時間內完整掌握深度學習的觀念；而本書後半部(CH11－CH15)定位於進階實務與最新應用，在讀者具備深度學習基礎後，自行準備GPU開發，無論在Windows或Linux系統，都可作為銜接研究或專題應用的進階教材。每章皆精細講解核心觀念，搭配Step by Step實作，確保讀者完全理解原理與操作。內容聚焦於近年主流與前沿的深度學習架構與應用，包括Transformer系列、擴散模型、物件偵測、影像分割，以及結合大型語言模型的視覺語言模型。 【精彩內容】 ✪透過Google Colab在瀏覽器中開發，免本地端 GPU，低成本即可上手學習 ✪利用PyTorch torch.nn模組，掌握簡潔指令、自由組合且容易擴展的模塊化API ✪利用PyTorch Dataset與DataLoader建立高效的數據導入管道，速度更快、更簡單 ✪掌握PyTorch進階技巧：客製化網路層(Custom Layers)與客製化模型包裝器(Model Wrapper) ✪運用TensorBoard視覺化技巧，記錄訓練損失、準確率與權重分布 ✪使用TorchvisionDatasets數據集平台，方便下載與使用資料集 ✪使用PyTorch Hub開放預訓練模型平台，快速載入與使用預訓練網路模型 ✪了解神經網路反向傳遞(Backpropagation)的原理 ✪了解及實作全連接神經網路 ✪了解及實作卷積神經網路 ✪了解及實作遷移學習，透過PyTorch Hub搭建MobileNetV3網路模型進行遷移學習 ✪掌握訓練網路的技巧：權重初始化(Xavier、He初始化)、Dropout、Batch Normalization ✪學習深度學習經典網路架構：LeNet、AlexNet、VGG、GoogLeNet、ResNet ✪聚焦Transformer系列、擴散模型、物件偵測、影像分割等近年主流與前沿的深度學習架構與應用 ✪認識視覺語言模型(Vision－Language Models)的定義、任務型態與應用情境
|CHAPTER 00| 環境安裝 0.1 前言 0.2 Google Colab 0.3 Python安裝 0.4 PyTorch安裝 0.5 Python擴充套件安裝 0.6 Jupyter Notebook 0.7 GitHub程式碼 |CHAPTER 01| PyTorch介紹 1.1 什麼是深度學習？ 1.2 建立專案 1.3 PyTorch介紹 1.4 PyTorch核心模組與開發部署流程 1.5 PyTorch基本運算 1.6 torch.nn模組 1.7 Dataset與DataLoader |CHAPTER 02| 迴歸問題 2.1 深度神經網路 2.2 Kaggle介紹 2.3 實驗一：房價預測模型 2.4 TensorBoard介紹 2.5 實驗二：過擬合問題 |CHAPTER 03| 二元分類問題 3.1 機器學習的四大類別 3.2 二元分類問題 3.3 實驗：精靈寶可夢對戰預測 |CHAPTER 04| 多類別分類問題 4.1 卷積神經網路 4.2 多類別分類問題 4.3 實驗：CIFAR－10影像識別 |CHAPTER 05| 神經網路訓練技巧 5.1 反向傳遞 5.2 權重初始化 5.3 Batch Normalization 5.4 實驗：使用CIFAR－10資料集實驗三種權重初始化方法 |CHAPTER 06| 神經網路進階技巧 6.1 PyTorch進階技巧 6.2 實驗：透過Model Wrapper來進行兩種不同的網路架構訓練 |CHAPTER 07| 神經網路經典架構 7.1 神經網路架構 7.2 實驗：透過PyTorch Hub載入預訓練網路模型 |CHAPTER 08| 遷移學習 8.1 遷移學習 8.2 實驗：遷移學習 |CHAPTER 09| 變分自編碼器 9.1 Auto－Encoder介紹 9.2 Variational Auto－Encoder介紹 9.3 Variational Auto－Encoder損失函數 9.4 實驗：Variational Auto－Encoder實現 |CHAPTER 10| 生成對抗網路 10.1 生成對抗網路 10.2 GAN、WGAN、WGAN－GP的演進 10.3 實驗：WGAN－GP人臉生成 |CHAPTER 11| 擴散模型 11.1 Diffusion Model 11.2 Stable Diffusion 11.3 實驗：DDPM實現 |CHAPTER 12| 物件偵測 12.1 電腦視覺 12.2 物件偵測介紹 12.3 物件偵測歷史進展 12.4 實驗：YOLO v8物件偵測 |CHAPTER 13| 影像分割 13.1 Semantic Segmentation任務介紹 13.2 Semantic Segmentation歷史進展 13.3 實驗：U－Net實現 |CHAPTER14| Transformer Family 14.1 時序資料任務介紹 14.2 應用於時序資料的類神經網路 14.3 Transformer介紹 14.4 Vision Transformer(ViT)架構 14.5 實驗一：時序資料分類 14.6 實驗二：Transformer Bottleneck架構實作 |CHAPTER 15| 大型語言模型之視覺語言模型 15.1 視覺語言模型任務介紹 15.2 代表性視覺語言模型 15.3 從視覺語言模型到多模態大型模型 15.4 實驗：實現CLIP零樣本
Claude Cod
OpenClaw 實
從 AI Demo
Gemini Not
Gemini Not
AI與BI，腦機之間
超越 Vibe Co
RAG錦囊妙計：使用
想去FAANG上班
多個 Agents
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
