【深智書摘】PyTorch完整解析
更新於 發佈於 閱讀時間約 2 分鐘
要徹底了解深度學習，必須從數學/統計奠定基礎，從張量運算、偏微分、梯度下降優化求解，最後依據機率統計衡量模的效能指標，包括準確率 (Accuracy)、精確率 (Precision)、召回率 (Recall)，乃至於混淆矩陣 (Confusion Matrix)。
另外，必須透過實作，撰寫程式，運用NumPy、Matplotlib、Scikit-learn等資料科學基礎套件，並以PyTorch或TensorFlow整合10大流程，才能領略深度學習之美。
一般學子或離開校園很久的上班族面對這麼寬廣的知識領域，很難從頭紮根，再逐步的學習各項技能，因此，『開發者傳授 PyTorch 秘笈』一書希望能有系統的聚焦在各項必備的技能，每一步驟詳盡的說明，讓讀者可以理解各項環節，包括：
★必備的數學與統計：以程式設計取代理論證明，只有在關鍵點提供證明。
★優化求解：梯度下降法是神經網路優化求解的關鍵，我們從迴歸開始，逐步說明，最後擴展至神經層及神經網路，中間過程會包括張量運算、偏微分、梯度下降優化求解，不僅理解數學運算，也了解如何實作。
★各式演算法的理解：包括一般神經網路、CNN、YOLO、RNN、GAN、強化學習、自動語音辨識 (ASR)、GNN等，除了演算法的說明，也要理解各項演算法的演化與優劣。
★大量的範例實作：幫助讀者能將深度學習應用在各種企業領域，包括物件偵測、OCR、臉部辨識、車牌辨識、聊天機器人 (ChatBot)、強化學習、自動語音辨識 (ASR) 、深度偽造、知識圖譜 (Knowledge Graph) 等。
★最重要的是讓讀者可以完全掌握PyTorch主要功能，可以有能力撰寫各項應用系統，讓使用者也體驗到深度學習之美。
本文節錄自深智數位出版之《開發者傳授 PyTorch 秘笈》。
為什麼會看到廣告
9會員
25內容數
留言0
查看全部
你可能也想看
Google News 追蹤
現代社會跟以前不同了，人人都有一支手機，只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行，然而如今科技快速發展之下，金融App無聲無息地進到你生活中。但同樣的，每一家銀行都有自己的App時，我們又該如何選擇呢？(本文係由國泰世華銀行邀約)
今天我會用不同角度帶大家看這款國泰世華CUB
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
本文介紹使用 PyTorch 及類神經網路進行圖形資料集的分類。Fashion-MNIST 提供了機器學習研究上的著名範例；服飾的灰階圖像的分類。本文指導讀者從安裝 torchvision 到建立類神經網路，進行圖形分類的完整過程。也詳述了資料處理及訓練過程，幫助理解類神經網路在圖形分類上的應用。
本文介紹如何利用 PyTorch 和 CUDA，建立多變數類神經網路模型。特別的，文章以「Himmelblau function」為例，探討資料正規化及訓練資料型態轉換的過程，並說明如何在 GPU 上訓練類神經網路。分析訓練誤差值及模型的收斂情況，希望幫助讀者深入理解多變數類神經網路的應用與挑戰。
本篇文章介紹如何使用 PyTorch 這個強大的工具程式庫來建立一個反饋類神經網路。從單變數的「墨西哥帽」模型學習，到設定類神經網路的結構和訓練方法，資料轉換、類神經網路創建以及訓練過程的步驟。此外，也分析訓練過程中的誤差趨勢，幫助理解模型性能，適合希望快速掌握 PyTorch 的人工智慧開發者。
本書探討深度學習的過程，並介紹如何構建和提升自己的知識體系。文章中的「網」「拓」「活」三個章節，提供了有效學習的策略，包括多樣性、創造性和正確性。透過這些框架，讀者能夠更有效地整合和運用知識，提升學習效率。最後，作者建議重視寫作作為思考的工具，使得學習不再是孤立的記住一些事實
從範例學python的目標讀者:
針對剛進入的初學者，想學習Python語言。
有基礎本數學邏輯基礎即可。
從小遊戲學python的目標讀者:
針對已經有經驗的C/C++, Python, 或其他有程式基礎的讀者。
想實作一些小專案，從實做中學習如何分析需求、元件分拆、到底層實作
PyTorch 是一個開源的 Python 機器學習庫，基於 Torch 庫，底層由 C++ 實現，應用於人工智慧領域，如電腦視覺和自然語言處理等。
PyTorch 2.4 引入了多項新功能和改進，包括支援 Python 3.12、AOTInductor 凍結功能、新的高階 Python 自訂運算
本文主要筆記使用pytorch建立graph的幾個概念與實作。在傳統的神經網路模型中，數據點之間往往是互相連接和影響的，使用GNN，我們不僅處理單獨的數據點或Xb，而是處理一個包含多個數據點和它們之間連結的特徵。GNN的優勢在於其能夠將這些連結關係納入模型中，將關係本身作為特徵進行學習。
微調(Fine tune)是深度學習中遷移學習的一種方法，其中預訓練模型的權重會在新數據上進行訓練。
本文主要介紹如何使用新的訓練圖檔在tesseract 辨識模型進行Fine tune
有關於安裝的部分可以參考友人的其他文章
Tesseract OCR - 繁體中文【安裝篇】
將所有資料
前言
其實摸機器學習、深度學習也有一陣子了，雖然大致上都理解，不過有些細節若不是那麼清楚，我也沒仔細去弄懂。今天剛好在《強化式學習：打造最強 AlphaZero 通用演算法》這本書看到之前略過的幾個名詞，書中有解釋其背後代表的東西的功能，在此記錄下來，以後又忘掉時可回來查看。
正文
"激活
這篇文章介紹了《深度學習的技術》中的五大學習部分：記憶力，理解力，知識網，拓展能力與生活應用。作者分享了對於這些學習部分的心得與建議，並提供了主題相關的書籍推薦及閱讀資料。
現代社會跟以前不同了，人人都有一支手機，只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行，然而如今科技快速發展之下，金融App無聲無息地進到你生活中。但同樣的，每一家銀行都有自己的App時，我們又該如何選擇呢？(本文係由國泰世華銀行邀約)
今天我會用不同角度帶大家看這款國泰世華CUB
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
本文介紹使用 PyTorch 及類神經網路進行圖形資料集的分類。Fashion-MNIST 提供了機器學習研究上的著名範例；服飾的灰階圖像的分類。本文指導讀者從安裝 torchvision 到建立類神經網路，進行圖形分類的完整過程。也詳述了資料處理及訓練過程，幫助理解類神經網路在圖形分類上的應用。
本文介紹如何利用 PyTorch 和 CUDA，建立多變數類神經網路模型。特別的，文章以「Himmelblau function」為例，探討資料正規化及訓練資料型態轉換的過程，並說明如何在 GPU 上訓練類神經網路。分析訓練誤差值及模型的收斂情況，希望幫助讀者深入理解多變數類神經網路的應用與挑戰。
本篇文章介紹如何使用 PyTorch 這個強大的工具程式庫來建立一個反饋類神經網路。從單變數的「墨西哥帽」模型學習，到設定類神經網路的結構和訓練方法，資料轉換、類神經網路創建以及訓練過程的步驟。此外，也分析訓練過程中的誤差趨勢，幫助理解模型性能，適合希望快速掌握 PyTorch 的人工智慧開發者。
本書探討深度學習的過程，並介紹如何構建和提升自己的知識體系。文章中的「網」「拓」「活」三個章節，提供了有效學習的策略，包括多樣性、創造性和正確性。透過這些框架，讀者能夠更有效地整合和運用知識，提升學習效率。最後，作者建議重視寫作作為思考的工具，使得學習不再是孤立的記住一些事實
從範例學python的目標讀者:
針對剛進入的初學者，想學習Python語言。
有基礎本數學邏輯基礎即可。
從小遊戲學python的目標讀者:
針對已經有經驗的C/C++, Python, 或其他有程式基礎的讀者。
想實作一些小專案，從實做中學習如何分析需求、元件分拆、到底層實作
PyTorch 是一個開源的 Python 機器學習庫，基於 Torch 庫，底層由 C++ 實現，應用於人工智慧領域，如電腦視覺和自然語言處理等。
PyTorch 2.4 引入了多項新功能和改進，包括支援 Python 3.12、AOTInductor 凍結功能、新的高階 Python 自訂運算
本文主要筆記使用pytorch建立graph的幾個概念與實作。在傳統的神經網路模型中，數據點之間往往是互相連接和影響的，使用GNN，我們不僅處理單獨的數據點或Xb，而是處理一個包含多個數據點和它們之間連結的特徵。GNN的優勢在於其能夠將這些連結關係納入模型中，將關係本身作為特徵進行學習。
微調(Fine tune)是深度學習中遷移學習的一種方法，其中預訓練模型的權重會在新數據上進行訓練。
本文主要介紹如何使用新的訓練圖檔在tesseract 辨識模型進行Fine tune
有關於安裝的部分可以參考友人的其他文章
Tesseract OCR - 繁體中文【安裝篇】
將所有資料
前言
其實摸機器學習、深度學習也有一陣子了，雖然大致上都理解，不過有些細節若不是那麼清楚，我也沒仔細去弄懂。今天剛好在《強化式學習：打造最強 AlphaZero 通用演算法》這本書看到之前略過的幾個名詞，書中有解釋其背後代表的東西的功能，在此記錄下來，以後又忘掉時可回來查看。
正文
"激活
這篇文章介紹了《深度學習的技術》中的五大學習部分：記憶力，理解力，知識網，拓展能力與生活應用。作者分享了對於這些學習部分的心得與建議，並提供了主題相關的書籍推薦及閱讀資料。