輕鬆學會Google Colab和Pytorch人工智慧深度學習實作開發

掌握業界和學術界最流行、最活躍的深度學習程式庫—PyTorch 【內容簡介】 ✪聚焦主流與前沿的深度學習架構與應用 ✪完整掌握PyTorch深度學習應用開發 ✪透過PyTorch API快速上手深度學習實作 本書前半部（CH1-CH10）是為初學者設計，使用Google Colab雲端GPU，只需打開瀏覽器即可開發，讓讀者在短時間內完整掌握深度學習的觀念；而本書後半部（CH11-CH15）定位於進階實務與最新應用，在讀者具備深度學習基礎後，自行準備GPU開發，無論在Windows或Linux系統，都可作為銜接研究或專題應用的進階教材。每章皆精細講解核心觀念，搭配Step by Step實作，確保讀者完全理解原理與操作。內容聚焦於近年主流與前沿的深度學習架構與應用，包括Transformer系列、擴散模型、物件偵測、影像分割，以及結合大型語言模型的視覺語言模型。 【精彩內容】 ✪透過Google Colab在瀏覽器中開發，免本地端 GPU，低成本即可上手學習 ✪利用PyTorch torch.nn模組，掌握簡潔指令、自由組合且容易擴展的模塊化API ✪利用PyTorch Dataset與DataLoader建立高效的數據導入管道，速度更快、更簡單 ✪掌握PyTorch進階技巧：客製化網路層（Custom Layers）與客製化模型包裝器（Model Wrapper） ✪運用TensorBoard視覺化技巧，記錄訓練損失、準確率與權重分布 ✪使用TorchvisionDatasets數據集平台，方便下載與使用資料集 ✪使用PyTorch Hub開放預訓練模型平台，快速載入與使用預訓練網路模型 ✪了解神經網路反向傳遞（Backpropagation）的原理 ✪了解及實作全連接神經網路 ✪了解及實作卷積神經網路 ✪了解及實作遷移學習，透過PyTorch Hub搭建MobileNetV3網路模型進行遷移學習 ✪掌握訓練網路的技巧：權重初始化（Xavier、He初始化）、Dropout、Batch Normalization ✪學習深度學習經典網路架構：LeNet、AlexNet、VGG、GoogLeNet、ResNet ✪聚焦Transformer系列、擴散模型、物件偵測、影像分割等近年主流與前沿的深度學習架構與應用 ✪認識視覺語言模型（Vision-Language Models）的定義、任務型態與應用情境 【商品特色】 本書前半部（CH1-CH10）是為初學者設計，使用Google Colab雲端GPU，只需打開瀏覽器即可開發，讓讀者在短時間內完整掌握深度學習的觀念；而本書後半部（CH11-CH15）定位於進階實務與最新應用，在讀者具備深度學習基礎後，自行準備GPU開發，無論在Windows或Linux系統，都可作為銜接研究或專題應用的進階教材。每章皆精細講解核心觀念，搭配Step by Step實作，確保讀者完全理解原理與操作。內容聚焦於近年主流與前沿的深度學習架構與應用，包括Transformer系列、擴散模型、物件偵測、影像分割，以及結合大型語言模型的視覺語言模型。 【作者簡介】 黃士嘉 ✪經歷：國立臺北科技大學電子工程系 特聘教授、加拿大 McGill University 國際客座教授、加拿大 Ontario Tech University 國際客座教授、IEEE Transactions on Intelligent Vehicles 國際副主編、IEEE Sensors Journal 國際副主編 ✪獲獎：經濟部第 5 屆國家產業創新獎、ACM臺灣分會李國鼎研究獎、史丹福大學世界 2%頂尖科學家、國立臺北科技大學 校傑出研究獎、國立臺北科技大學 電資學院院傑出研究獎 陳亮甫 ✪學歷：國立臺北科技大學電子工程系碩士 趙大衛 ✪學歷：國立臺灣大學電機工程學系博士 ✪經歷：台達電子 主任工程師、倫光科技 算法工程師 ✪獲獎：臺大電機最佳博士論文獎 出版社：博碩文化 作者：黃士嘉、陳亮甫、趙大衛 ISBN／EAN：9786264145954