我用夸克网盘分享了「深度学习框架PyTorch快速开发与实战.epub」，点击链接即可保存。打开「夸克APP」在线查看，支持多种文档格式转换。

内容简介

深度学习已经成为人工智能炙手可热的技术，PyTorch是一个较新的、容易上手的深度学习开源框架，目前已得到广泛应用。《深度学习框架PyTorch快速开发与实战》从PyTorch框架结构出发，通过案例主要介绍了线性回归、逻辑回归、前馈神经网络、卷积神经网络、循环神经网络、自编码模型、以及生成对抗网络。《深度学习框架PyTorch快速开发与实战》作为深度学习的入门教材，省略了大量的数学模型推导，适合深度学习初学者，人工智能领域的从业者，以及深度学习感兴趣的人阅读。

作者简介

邢梦来，擅长量化分析理论，深入研究多空对比分析，对多空趋势平衡有独特的见解，形成一套多空对比体系。同时对对交易心理状况、人工智能与区块链技术也有较深的研究。 王硕，资深软件工程师，具有9年的Java企业应用开发经验和4年的教育培训经验，曾主持多个B/S项目开发，项目经验丰富，擅长Java EE（Struts2、Spring3、Hibernate3）项目开发、Python（程序GUI、数据分析、网络爬虫）项目开发，是极宽TOP开源团队核心成员，也是《PyQt5快速开发与实战》一书的作者之一。 孙洋洋，《PyQt5快速开发与实战》一书的作者之一，擅长网络爬虫、机器学习、量化投资与程序GUI开发设计。有多年量化投资实盘操作经历，现就职于某期货公司做量化研究员。

网友热评

powerddt: 三个作者都是做量化的，少讲点基础，多讲点应用多好。2022.11.18-2023.1.7 市图借阅 https://github.com/Baileyswu/pytorch-exercise tan: 内容一般，不过讲的pytorch版本还停留在0.X阶段。现在读已经不合适了。 爱因斯丹: 每章都在重复讲参数的含义。有种本组写书的即视感。

图书目录

第一部分理论部分 第1章深度学习简介2 1.1深度学习2 1.2神经网络的发展6 1.3深度学习的应用7 1.4常用的数学知识和机器学习算法8 1.5PyTorch简介11 1.5.1PyTorch介绍11 1.5.2使用PyTorch的公司15 1.5.3PyTorchAPI16 1.5.4为什么选择Python语言16 1.5.5Python语言的特点16 1.6常用的机器学习、深度学习开源框架17 1.7其他常用的模块库19 1.8深度学习常用名词20 第2章PyTorch环境安装33 2.1基于Ubuntu环境的安装33 2.1.1安装Anaconda35 2.1.2设置国内镜像36 2.2Conda命令安装PyTorch37 2.3pip命令安装PyTorch37 2.4配置CUDA38 第3章PyTorch基础知识40 3.1张量40 3.2数学操作43 3.3数理统计44 3.4比较操作45 第4章简单案例入门47 4.1线性回归47 4.2逻辑回归52 第5章前馈神经网络59 5.1实现前馈神经网络61 5.2数据集68 5.3卷积层72 5.4Functional函数75 5.5优化算法82 5.6自动求导机制85 5.7保存和加载模型87 5.8GPU加速运算87 第6章PyTorch可视化工具89 6.1Visdom介绍89 6.2Visdom基本概念90 6.2.1Panes（窗格）90 6.2.2Environments（环境）90 6.2.3State（状态）91 6.3安装Visdom91 6.4可视化接口91 6.4.1Python函数属性提取技巧92 6.4.2vis.text93 6.4.3vis.image93 6.4.4vis.scatter94 6.4.5vis.line95 6.4.6vis.stem97 6.4.7vis.heatmap97 6.4.8vis.bar99 6.4.9vis.histogram101 6.4.10vis.boxplot102 6.4.11vis.surf103 6.4.12vis.contour104 6.4.13vis.mesh106 6.4.14vis.svg107 第二部分实战部分 第7章卷积神经网络110 7.1卷积层112 7.2池化层114 7.3经典的卷积神经网络115 7.3.1LeNet-5神经网络结构115 7.3.2ImageNet-2010网络结构117 7.3.3VGGNet网络结构122 7.3.4GoodLeNet网络结构124 7.3.5ResNet网络结构126 7.4卷积神经网络案例129 7.5深度残差模型案例138 第8章循环神经网络简介145 8.1循环神经网络模型结构146 8.2不同类型的RNN147 8.3LSTM结构具体解析151 8.4LSTM的变体153 8.5循环神经网络实现156 8.5.1循环神经网络案例156 8.5.2双向RNN案例160 第9章自编码模型164 第10章对抗生成网络172 10.1DCGAN原理175 10.2GAN对抗生成网络实例180 第11章Seq2seq自然语言处理186 11.1Seq2seq自然语言处理简介186 11.2Seq2seq自然语言处理案例188 第12章利用PyTorch实现量化交易204 12.1线性回归预测股价205 12.2前馈神经网络预测股价209 12.3递归神经网络预测股价214