新火种
2024-12-07 
PyTorch官方出品了一本深度学习书，免费提供给开发者
乾明 发自 凹非寺量子位 报道 | 公众号 QbitAI
“为了帮助开发者使用PyTorch，我们正在制作‘Deep Learning with PyTorch’一书”。
刚刚，PyTorh在官方Twitter上放出这一消息，并宣布这本书将免费提供给社区。
根据出版商Manning出版社的介绍，这本书的核心，是教你如何使用Python 和 PyTorch 实现深度学习算法。
所以出版商介绍称，想要更好的消化这本书，需要对Python知识和基本线性代数有了解，对深度学习有一些理解更好，但并不需要你具备使用PyTorch或其他深度学习框架的经验。
在多位业内人士看来，这本书的优点是易上手。
有人评价说，这本书用平易近人的方式，介绍了非常专业的主题。也有人评价说，它是机器学习领域最容易上手的书之一。
（下载链接在文末）
书中都讲了啥？
从Manning出版社的介绍页面来看，这本书一共分为两大部分，13个章节。
第一部分内容主要是理论，名为PyTorch核心。
简单介绍深度学习领域后，开始探索使用预训练网络，然后提升使用张量的技能。
包括如何使用张量表示最常见的数据类型，以及如何从头开始构建和训练神经网络（重点是图像和序列）。
目录如下：
1、介绍深度学习和PyTorch库2、预训练网络3、从一个张量开始4、使用张量表示真实世界数据5、学习的机制6、使用神经网络拟合我们的数据7、从飞机上辨别鸟类——从图像中学习8、使用卷积函数进行泛化
第二部分主要讲实战，名为“从现实世界的图像中学习：肺癌的早期检测”。
在这部分将会上手实操，使用在有限的输入下训练神经网络的方法，去处理数据得到一些结果。
然后筛选不可靠的初始结果，并聚焦在如何诊断和修复神经网络中的问题上。
最后，将了解如何使用增强数据进行训练、改进模型，以及通过微调来改进模型结果。
目录如下：
9、使用PyTorch对抗癌症10、预备，数据集，走起！11、分类疑似肿瘤12、监控指标：精确度、召回率和精美的图表13、利用分割技术来发现可疑肿瘤
谁写的这本书？
这本书的作者一共有两位：Eli Stevens和Luca Antiga。
Eli Stevens，是一名软件工程师，已经在硅谷工作了15年。过去7年中，他在一家开发医疗设备软件的创业公司担任CTO。
Luca Antiga，是一家AI创业公司的联合创始人兼CEO，也是PyToch社区定期撰稿人。
下图是他们两位（左：Luca Antiga；右：Eli Stevenson）和这本书的编辑Frances Lefkowitz。
如果你对这本书感兴趣，请收好传送门：
相关推荐
- 免责声明
- 本文所包含的观点仅代表作者个人看法，不代表新火种的观点。在新火种上获取的所有信息均不应被视为投资建议。新火种对本文可能提及或链接的任何项目不表示认可。 交易和投资涉及高风险，读者在采取与本文内容相关的任何行动之前，请务必进行充分的尽职调查。最终的决策应该基于您自己的独立判断。新火种不对因依赖本文观点而产生的任何金钱损失负任何责任。
热门文章
