机读格式显示(MARC)

• 000 01745nam 2200301 450

• 001 0000213076

• 005 20250805105700.0

• 010 __ |a 978-7-121-47553-5 |d CNY158.00

• 100 __ |a 20240506d2024 em y0chiy50 ea

• 101 1_ |a chi |c inc

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a PyTorch实战 |A PyTorch shi zhan |f Ashish Ranjan Jha著 |g 郭涛等译

• 210 __ |a 北京 |c 电子工业出版社 |d 2024.03

• 215 __ |a XXII, 406页 |c 图 |d 23cm

• 225 2_ |a 人工智能与大数据系列 |A ren gong zhi neng yu da shu ju xi lie

• 306 __ |a 由Packt Publishing授予出版

• 314 __ |a 责任者规范汉译姓: 贾

• 314 __ |a Ashish Ranjan Jha, 拥有IIT Ro-orkee (印度) 电气工程学士学位, EPFL (瑞士) 计算机科学硕士学位, Quantic商学院 (华盛顿) MBA学位, 并都以优异成绩毕业。Ashish曾在甲骨文、索尼以及初创科技公司等多家科技公司工作, 在Revolut担任机器学习工程师。郭涛, 主要从事人工智能、现代软件工程、智能空间信息处理与时空大数据挖掘与分析等前沿交叉研究, 已出版《深度强化学习图解》、《AI可解释性 (Python语言版)》和《概率图模型原理与应用 (第2版)》等多部畅销译作。

• 330 __ |a 本书以PyTorch作为深度学习框架, 主要包括4部分。第1部分 (第1、2章), 主要概述PyTorch基础知识与常见深度学习算法实现, 例如, CNN、LSTM, 即CNNLSTM ; 第2部分 (第3-5章) 高级神经网络实现, 主要包括常见的深度学习网络结构, 例如CNN、RNN及最新的Transformer等模型 ; 第3部分 (第6-9章) 生成式AI和深度强化学习, 主要包括GAN、GPT和DQN等算法 ; 第4部分 (第10-14章) 生产中PyTorch落地的几个关键性主题, 分布式训练、自动机器学习管道构建和硬件快速部署。

• 410 _0 |1 2001 |a 人工智能与大数据系列

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP18 |v 5

• 701 _1 |a 贾 |A jia |g (Jha, Ashish Ranjan) |4 著

• 702 _0 |a 郭涛 |A guo tao |4 译

• 801 _0 |a CN |b 安徽时代 |c 20250724

• 905 __ |a AHLSL |d TP18/268