本书假定读者有一定的机器学习和深度学习基础,使用过Keras或TensorFlow或Pytorch搭建训练过简单的模型。
对于没有任何机器学习和深度学习基础的同学,建议在学习本书时同步参考阅读《Python深度学习》一书的第一部分"深度学习基础"内容。
《Python深度学习》这本书是Keras之父Francois Chollet所著,该书假定读者无任何机器学习知识,以Keras为工具,
使用丰富的范例示范深度学习的最佳实践,该书通俗易懂,全书没有一个数学公式,注重培养读者的深度学习直觉。。
《Python深度学习》一书的第一部分的4个章节内容如下,预计读者可以在20小时之内学完。
1,什么是深度学习
2,神经网络的数学基础
3,神经网络入门
4,机器学习基础
本书介绍视频《eat_pytorch_in_20_days食用指南》
本书是一本对人类用户极其友善的Pytorch入门工具书,Don't let me think是本书的最高追求。
本书主要是在参考Pytorch官方文档和函数doc文档基础上整理写成的。
尽管Pytorch官方文档已经相当简明清晰,但本书在篇章结构和范例选取上做了大量的优化,在用户友好度方面更胜一筹。
本书按照内容难易程度、读者检索习惯和Pytorch自身的层次结构设计内容,循序渐进,层次清晰,方便按照功能查找相应范例。
本书在范例设计上尽可能简约化和结构化,增强范例易读性和通用性,大部分代码片段在实践中可即取即用。
如果说通过学习Pytorch官方文档掌握Pytorch的难度大概是5,那么通过本书学习掌握Pytorch的难度应该大概是2.
仅以下图对比Pytorch官方文档与本书《20天吃掉那只Pytorch》的差异。
1,学习计划
本书是作者利用工作之余大概3个月写成的,大部分读者应该在20天可以完全学会。
预计每天花费的学习时间在30分钟到2个小时之间。
当然,本书也非常适合作为Pytorch的工具手册在工程落地时作为范例库参考。
2,学习环境
本书全部源码在jupyter中编写测试通过,建议通过git克隆到本地,并在jupyter中交互式运行学习。
为了直接能够在jupyter中打开markdown文件,建议安装jupytext,将markdown转换成ipynb文件。
step1: 克隆本书源码到本地,使用码云镜像仓库国内下载速度更快
git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days
step2: 公众号 算法美食屋 回复关键词:pytorch, 获取本项目所用数据集汇总压缩包 eat_pytorch_datasets.zip百度云盘下载链接,下载解压并移动到eat_pytorch_in_20_days路径下,约160M。
- import torch
- from torch import nn
-
- print("torch version:", torch.__version__)
-
- a = torch.tensor([[2,1]])
- b = torch.tensor([[-1,2]])
- c = a@b.t()
- print("[[2,1]]@[[-1],[2]] =", c.item())
- torch version: 1.10.0
- [[2,1]]@[[-1],[2]] = 0
相关章节代码进行了对应优化调整。
features | torchkeras.KerasModel | torchkeras.LightModel |
---|---|---|
progress bar | ✅ | ✅ |
early stopping | ✅ | ✅ |
metrics from torchmetrics | ✅ | ✅ |
gpu training | ✅ | ✅ |
multi-gpus training | ❌ | ✅ |
tensorboard callback | ❌ | ✅ |
simple source code | ✅ | ❌ |
详情参考项目链接::https://github.com/lyhue1991/torchkeras
适合对广告推荐领域感兴趣,且需要进阶的同学😋😋
如果本书对你有所帮助,想鼓励一下作者,记得给本项目加一颗星星star⭐️,并分享给你的朋友们喔😊!
如果对本书内容理解上有需要进一步和作者交流的地方,欢迎在公众号"算法美食屋"下留言。作者时间和精力有限,会酌情予以回复。
也可以在公众号后台回复关键字:加群,加入读者交流群和大家讨论。