▐ 自2024/1/1 00:00起,台灣樂天市場「屈臣氏」將不贈送 LINE POINTS 點數
▐ 自2023/2/1 00:00起,樂天Kobo電子書不贈送 LINE POINTS 點數,請會員多加留意。
▐ LINE POINT點數回饋依照樂天提供扣除折價券(優惠券)、與運費後之最終金額進行計算。
▐ 愛買與愛票網、a la sha(2023/8/1生效)、GAME休閒館(2023/8/1生效)、專品藥局(2023/8/1生效)等部分店家不參與全站加碼,請詳閱LINE Points 加碼店家清單:https://lin.ee/Y2CcVdk/rcfk
▐ 注意事項
(1)部分服務及店家不符合贈點資格,購買後將不贈送 LINE Points 點數,亦不得使用點數紅包,如:比漾廣場、神腦生活、MyCard、愛美麗福利社、展翔通訊、ezcook 美食廚房、葳豐數位商城、吉盈數位商城、森林巨人、包材中心、KABO佳麗寶家電批發、LuLuLu精品店、NewSTYLE新風尚潮流、0216零食會社、美寶家電、純米小鋪、LILY科技新櫃、登芳3C電子雜貨賣場、豐饌御鴨、鼎耀通訊、誠選3C、Smile、葳豐數位商城二店、米蘭寶、BoBo Outlet代購屋、楊家食品(2022/10/1生效)、樂天Kobo電子書(2023/2/1生效)、屈臣氏(2024/1/1生效)等,請詳閱LINE Points 加碼店家清單。
(2)需透過LINE購物前往台灣樂天市場,並在同一瀏覽器於24小時內結帳,才享有 LINE Points 回饋。
(3)若購買之訂單(包含預購商品)未符合樂天市場 45 天內完成訂單出貨及結帳,則不符合贈點資格。
(4)如使用App、或中途瀏覽比價網、回饋網、Google等其他網頁、或由網頁版(電腦版/手機版網頁)切換為App都將會造成追蹤中斷而無法進行 LINE Points 回饋。
(5) LINE 購物為購物資訊整合性平台,商品資料更新會有時間差,如顯示之商品規格、顏色、價位、贈品與台灣樂天市場銷售網頁不符,以銷售網頁標示為準。
(6)Pickup店家之有效訂單需於下單後40天內使用完畢才符合分潤條件
(7) 若上述或其他原因,致使消費者無接收到點數回饋或點數回饋有爭議,台灣樂天市場保有更改條款與法律追訴之權利,活動詳情以樂天市場網站公告為準。同款比價 | 為您推薦2個賣場2個同款賣場2個同款賣場
價格低到高
商品描述
作者:Eli Stevens、Luca Antiga、Th 出版社:旗標 出版日:1100723 ISBN:9789863126737 語言:中文繁體 裝訂方式:平裝 內容簡介 【PyTorch官方唯一推薦教材!】 深度學習是近年來非常夯的一個領域,發展的速度也十分的驚人。曾經,深度學習的函式庫五花八門,各自都具備了一定的重要性。如今,使用者開始往兩大函式庫,PyTorch及Tensorflow靠攏,進而鞏固了它們的地位。在2018年以前,Tensorflow在國際學術頂尖會議中的論文引用率都遠超PyTorch。自2019年起,PyTorch就奮起直追,越來越受到學者們的喜愛。在ICLR 2020和CVPR 2020會議中,使用PyTorch的論文數已超越Tensorflow。由此可見,掌握PyTorch,是勢在必行的! PyTorch最為人稱道就是語法和Python相近,一樣簡潔好學,與Numpy、Pandas函式庫的相容性也很好,並支援動態運算圖(dynamic computational graph),有助於模型的優化,對記憶體的使用也非常有效率。本書作者為PyTorch核心開發者,深知PyTorch的強大之處,並擁有豐富的深度學習經驗,將帶你從無到有,利用PyTorch建構出深度學習模型,並用其來解決現實問題的能力。 與其他深度學習框架書相比,本書的最大特色為:利用數個章節來實作肺癌偵測專案。在實作該專案的過程中,你可以實際體會到如何充分把所學應用出來,並針對過程中所遇到的問題來找出解方。更重要的是,作者的寶貴經驗會讓你少走許多彎路,快速培養實戰能力! 閱讀完本書後,你將了解: ★深度學習的基本資料結構:張量(tensor) ★如何實作模組及損失函數 ★如何從PyTorch Hub中載入預先訓練的模型 ★在有限的資料下,訓練模型的方法 ★分析測試結果,並找出現有模型中的問題 ★透過擴增資料等方法,提高模型的表現 如果你對深度學習非常有熱忱,並且已經具備一定的Python能力,願意跟著書中內容動手嘗試,那你就是本書最適合的讀者! 本書特色 ◎作者為PyTorch核心開發者,能以更全面的視角來進行教學 ◎實作內容豐富,花費大量篇幅處理肺癌偵測專案 ◎時刻提點實作專案時可能遇到的陷阱,讓讀者少走彎路 ◎各章節的內容皆搭配程式範例,讀者可實際演練來加深印象 ◎本書由施威銘研究室監修,書中針對原書進行大量補充,並適當添加註解,幫助讀者更好地理解內容 專家推薦 ●Soumith Chintala,PyTorch 共同開發者 & Facebook AI Research 研究員: 『這本書出版後,我們終於有了關於 PyTorch 的權威著作,它具體地說明了基礎的知識和概念。』 ●Mathieu Zhang,NVIDIA 深度學習技術經理: 『將深度學習切割成易於讀者消化的區塊,再以程式範例作為輔助。』 ●Philippe Van Bergen,PÇ Consulting 雲端架構師: 『具及時性、實務性及透徹性的一本書。你應該把它放在你的電腦旁,而不只是把它放在書架上。』 ●Orlando Alejo Méndez Morales,Experian 軟體分析師: 『這本書提供了非常實用的深度學習概述,適合做為教學資源。』 作者簡介 譯者介紹 目錄 ★第一篇 PyTorch的核心 ☆第1章:深度學習與PyTorch函式庫 1-1 深度學習的演變 1-2 將PyTorch應用到深度學習中 1-3 為什麼要使用PyTorch? 1-4 PyTorch如何協助深度學習專案的開發 1-5 軟硬體需求 ☆第2章:預先訓練的模型 2-1 利用預先訓練的模型來辨識圖像中的物體 2-2 利用預先訓練的模型來生成『假』圖片 2-3 能描述場景的神經網路模型 2-4 Torch Hub 2-5 結論 ☆第3章:介紹張量 3-1 浮點數的世界 3-2 張量:多維陣列 3-3 利用索引值操作張量 3-4 為張量命名 3-5 張量的元素型別 3-6 其他常用的張量功能 3-7 張量的儲存原理 3-8 大小 、偏移及步長 3-9 把張量移到GPU上 3-10 與NumPy的互通性 3-11 通用的張量(可適用於各種硬體) 3-12 將張量序列化(長期儲存) 3-13 結論 ☆第4章:用張量表示現實中的資料 4-1 圖片資料 4-2 3D立體圖片資料 4-3 表格資料 4-4 時間序列資料 4-5 表示文字資料 4-6 結論 ☆第5章:學習的機制 5-1 學習的流程 5-2 學習就是在估算參數 5-3 以降低損失為目標 5-4 梯度下降演算法 5-5 用PyTorch的autograd進行反向傳播 5-6 結論 ☆第6章:使用神經網路來擬合資料 6-1 神經元 6-2 PyTorch的nn模組 6-3 進入正題:神經網路 6-4 結論 ☆第7章:從圖片中學習 7-1 由小型圖片組成的資料集 7-2 區分鳥和飛機 7-3 結論 ☆第8章:卷積神經網路 8-1 關於卷積 8-2 卷積的實際應用 8-3 建立nn.M...