机读格式显示(MARC)

• 000 01930cam0 2200361 450

• 001 0000768063

• 005 20230214100900.0

• 010 __ |a 978-7-111-70055-5 |d CNY79.00

• 099 __ |a CAL 012022038260

• 100 __ |a 20220324d2022 em y0chiy50 ea

• 101 1_ |a chi |c jpn

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a PyTorch开发入门 |A PyTorch kai fa ru men |e 深度学习模型的构建与程序实现 |f (日) 杜世桥著 |g 杨秋香, 陈晨等译

• 210 __ |a 北京 |c 机械工业出版社 |d 2022

• 215 __ |a XIV, 192页 |c 图 |d 24cm

• 305 __ |a 据2018年日文版译出

• 306 __ |a 翔泳社授权出版 限中国大陆发行

• 312 __ |a 日文题名取自封面

• 314 __ |a 杜世桥,大学时期就读于东京工业大学分子生物学专业，毕业后在一家IT公司从事软件开发和数据分析工作。在攻读研究生阶段，接触到了当时还不够活跃的Python和NumPy，并通过建立研究小组和编写资料进行了Python宣教活动。近年来，致力于为初创公司提供数据分析和机器学习开发支持。自2018年4月起，在物流IT初创公司工作，对机器学习、大数据分析和服务器开发等具有浓厚的兴趣。

• 330 __ |a 本书第1章介绍了PyTorch的包结构；第2章介绍了线性模型，并通过PyTorch的实际使用来实现线性回归模型和逻辑回归模型；第3章介绍了神经网络，实际使用PyTorch创建一个多层感知器(Perceptron)；第4章介绍了通过卷积神经网络(CNN)进行的图像处理，通过PyTorch实际进行CNN的图像分类，低分辨率图像到高分辨率的转换，使用深度卷积生成对抗网络(DCGAN)进行新的图像生成以及迁移学习；第5章介绍了通过循环神经网络(RNN)进行的自然语言处理等。

• 500 10 |a 現場で使える！PyTorch開発入門 : 深層学習モデルの作成とアプリケーションへの実装 |m Chinesez

• 517 1_ |a 深度学习模型的构建与程序实现 |A shen du xue xi mo xing de gou jian yu cheng xu shi xian

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 杜世桥 |A du shi qiao |4 著

• 702 _0 |a 杨秋香 |A yang qiu xiang |4 译

• 702 _0 |a 陈晨 |A chen chen |4 译

• 801 _0 |a CN |b WHUTL |c 20220503

• 801 _2 |a CN |b PUL |c 20220805

• 905 __ |a SCNU |f TP181/4444/ 2

• 920 __ |a 242430 |z 1