书籍目录
首页
分类
免费
排行
我的书架
1-50章
51-100章
101-150章
151-200章
201-240章
共240章
免费
版权信息
免费
作者简介
免费
内容简介
免费
前言
免费
第1章 新时代的曙光——人工智能与大模型
免费
1.1 人工智能：思维与实践的融合
免费
1.1.1 人工智能的历史与未来
免费
1.1.2 深度学习与人工智能
免费
1.1.3 选择PyTorch 2.0实战框架
免费
1.2 大模型开启人工智能的新时代
免费
1.2.1 大模型带来的变革
免费
1.2.2 最强的中文大模型——清华大学ChatGLM介绍
免费
1.2.3 近在咫尺的未来——大模型的应用前景
免费
1.3 本章小结
免费
第2章 PyTorch 2.0深度学习环境搭建
免费
2.1 环境搭建1：安装Python
免费
2.1.1 Miniconda的下载与安装
免费
2.1.2 PyCharm的下载与安装
免费
2.1.3 Python代码小练习：计算Softmax函数
免费
2.2 环境搭建2：安装PyTorch 2.0
免费
2.2.1 Nvidia 10/20/30/40系列显卡选择的GPU版本
免费
2.2.2 PyTorch 2.0 GPU Nvidia运行库的安装
免费
2.2.3 PyTorch 2.0小练习：Hello PyTorch
免费
2.3 生成式模型实战：古诗词的生成
免费
2.4 图像降噪：手把手实战第一个深度学习模型
免费
2.4.1 MNIST数据集的准备
免费
2.4.2 MNIST数据集的特征和标签介绍
免费
2.4.3 模型的准备和介绍
免费
2.4.4 对目标的逼近——模型的损失函数与优化函数
免费
2.4.5 基于深度学习的模型训练
免费
2.5 本章小结
免费
第3章 从零开始学习PyTorch 2.0
免费
3.1 实战MNIST手写体识别
免费
3.1.1 数据图像的获取与标签的说明
免费
3.1.2 实战基于PyTorch 2.0的手写体识别模型
免费
3.1.3 基于Netron库的PyTorch 2.0模型可视化
免费
3.2 自定义神经网络框架的基本设计
免费
3.2.1 神经网络框架的抽象实现
免费
3.2.2 自定义神经网络框架的具体实现
免费
3.3 本章小结
免费
第4章 一学就会的深度学习基础算法详解
免费
4.1 反向传播神经网络的前身历史
免费
4.2 反向传播神经网络两个基础算法详解
免费
4.2.1 最小二乘法详解
免费
4.2.2 梯度下降算法
免费
4.2.3 最小二乘法的梯度下降算法及其Python实现
4.3 反馈神经网络反向传播算法介绍
4.3.1 深度学习基础
4.3.2 链式求导法则
4.3.3 反馈神经网络的原理与公式推导
×