HOME > 상세정보

상세정보

PyTorch로 시작하는 딥러닝 : 딥러닝 기초에서 최신 모던 아키텍처까지 (78회 대출)

자료유형
단행본
개인저자
Subramanian, Vishnu 김태완, 역
서명 / 저자사항
PyTorch로 시작하는 딥러닝 : 딥러닝 기초에서 최신 모던 아키텍처까지 / 비슈누 수브라마니안 지음 ; 김태완 옮김
발행사항
서울 :   에이콘,   2019  
형태사항
310 p. : 삽화 ; 24 cm
총서사항
Acorn+PACKT technical book
원표제
Deep learning with PyTorch : a practical approach to building neural network models using PyTorch
ISBN
9791161752594 9788960772106 (Set)
일반주기
색인수록  
일반주제명
Neural networks (Computer science) Machine learning Python (Computer program language)
000 00000nam c2200205 c 4500
001 000045971824
005 20190226140948
007 ta
008 190226s2019 ulka 001c kor
020 ▼a 9791161752594 ▼g 94000
020 1 ▼a 9788960772106 (Set)
035 ▼a (KERIS)REQ000044316623
040 ▼a 211062 ▼c 211062 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 006.32 ▼2 23
085 ▼a 006.32 ▼2 DDCK
090 ▼a 006.32 ▼b 2019
100 1 ▼a Subramanian, Vishnu
245 1 0 ▼a PyTorch로 시작하는 딥러닝 : ▼b 딥러닝 기초에서 최신 모던 아키텍처까지 / ▼d 비슈누 수브라마니안 지음 ; ▼e 김태완 옮김
246 1 9 ▼a Deep learning with PyTorch : ▼b a practical approach to building neural network models using PyTorch
260 ▼a 서울 : ▼b 에이콘, ▼c 2019
300 ▼a 310 p. : ▼b 삽화 ; ▼c 24 cm
440 0 0 ▼a Acorn+PACKT technical book
500 ▼a 색인수록
650 0 ▼a Neural networks (Computer science)
650 0 ▼a Machine learning
650 0 ▼a Python (Computer program language)
700 1 ▼a 김태완, ▼e
900 1 0 ▼a 수브라마니안, 비슈누, ▼e
945 ▼a KLPA

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.32 2019 등록번호 121248043 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.32 2019 등록번호 121249218 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.32 2019 등록번호 121249219 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 4 소장처 세종학술정보원/과학기술실(5층)/ 청구기호 006.32 2019 등록번호 151347116 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.32 2019 등록번호 121248043 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.32 2019 등록번호 121249218 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.32 2019 등록번호 121249219 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/과학기술실(5층)/ 청구기호 006.32 2019 등록번호 151347116 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

책소개 정보가 없습니다.

저자소개

저자소개 정보가 없습니다.

목차

서문 
지은이 소개 
기술 감수자 소개 
옮긴이 소개 
옮긴이의 말 
들어가며 

1장. 파이토치로 딥러닝 시작하기 

__인공지능 
____인공지능의 역사 
__머신 러닝 
____실생활 머신 러닝 사례 
__딥러닝 
____딥러닝 애플리케이션 
____딥러닝의 과장된 미래 
____딥러닝 역사 
____왜 지금인가? 
____하드웨어 가용성 
____데이터와 알고리즘 
____딥러닝 프레임워크 
________파이토치 
__요약 

2장. 신경망 구성 요소 

__파이토치 설치 
__첫 번째 신경망 
____데이터 준비 
________스칼라(0차원 텐서) 
________벡터(1차원 텐서) 
________행렬(2차원 텐서) 
________3차원 텐서 
________텐서 슬라이싱(텐서 자르기) 
________4차원 텐서 
________5차원 텐서 
________GPU 지원 Tensor 
________Variable 
____신경망에 사용할 데이터 생성하기 
________학습 파라미터 생성 
________신경망 모델 
________네트워크 구현 
________오차 함수 
________신경망 최적화 
____데이터 로딩 
________데이터셋 클래스 
________데이터로더 클래스 
__요약 

3장. 신경망 파헤치기 

__신경망 구성 요소 
____레이어 - 신경망 기본 블록 
____비선형 활성 함수 
________시그모이드 
________Tanh 
________ReLU 
________Leakly ReLU 
____파이토치 비선형 활성화 함수 
________파이토치 딥러닝 알고리즘 구현하기 
________다양한 머신 러닝 문제를 위한 모델 아키텍처 
________손실 함수 
________네트워크 아키텍처 최적화 
____딥러닝을 이용한 이미지 분류 
________파이토치 Tensor로 데이터 로딩 
________일괄 처리 형태로 파이토치 Tensor로 로딩하기 
__네트워크 아키텍처 구축 
________모델 학습 
__요약 

4장. 머신 러닝 입문 

__머신 러닝의 세 가지 유형 
____지도학습 
____비지도학습 
____강화학습 
__머신 러닝 용어 
__머신 러닝 모델 평가 
____학습, 검증 및 테스트 분할 
__단순 홀드아웃 검증 
__K-겹 검증 
__데이터 혼합이 적용된 K-겹 검증 
__데이터 전처리와 특성 공학 
____벡터화 
____수치 정규화 
____누락 데이터 처리 
____특성 공학 
__과대적합과 과소적합 
____더 많은 데이터 확보 
____네트워크 크기 줄이기 
____가중치 규제 적용 
____드롭아웃 
____과소적합 
__머신 러닝 프로젝트 워크플로 
____문제 정의와 데이터셋 만들기 
____모델 평가 기준 
____평가 프로토콜 
____데이터 준비 
____기준 모델 
____과대적합 될 정도의 모델 
____가중치 규제 적용 
____학습률 선정 전략 
__요약 

5장. 컴퓨터 비전 딥러닝 

__신경망 첫걸음 
____MNIST - 데이터 가져오기 
__CNN 모델 구축 
CONV2D 
____풀링 
____비선형 활성화 레이어- RELU 
____뷰 
________선형 레이어 
____모델 학습 
____CNN을 이용1개와 고양이 분류 
____전이 학습을 이용한 개와 고양이 분류 
__VGG16 모델 생성과 탐색 
____레이어 고정 
____세부 조정: VGG16 
____VGG16 모델 학습 
__사전 계산된 컨볼루션 피처 사용 
__CNN 학습에 대한 이해 
____중간 레이어의 출력 시각화 
__중간 레이어의 가중치 시각화 
__요약 

6장. 시퀀스 데이터와 텍스트 딥러닝 

__텍스트 데이터 분석 
____토큰화 
________텍스트를 문자로 변환 
________텍스트를 단어로 변환 
________N-그램 표현 
____벡터화 
________원-핫 인코딩 
____워드 임베딩 
__감성 분류기로 워드 임베딩 학습시키기 
____IMDB 다운로드와 텍스트 토큰화 
________torchtext 
________torchtext 
____어휘 구축 
____벡터 배치 생성 
____임베딩으로 네트워크 모델 만들기 
____모델 학습시키기 
__사전 학습 워드 임베딩 
____임베딩 다운로드 
____모델에 임베딩 로딩하기 
____임베딩 레이어 가중치 고정 
__RNN 
____RNN 작동 방식 이해 
__LSTM 
____장기 종속성 
____LSTM 네트워크 
________데이터 준비하기 
________배치 처리기 생성하기 
________네트워크 생성하기 
________모델 학습시키기 
__시퀀스 데이터와 CNN 
____시퀀스 데이터를 위한 1차원 컨볼루션 이해 
________네트워크 만들기 
________모델 학습시키기 
__요약 

7장. 생성적 신경망 

__신경망 스타일 트랜스퍼 
____데이터 로딩 
____VGG 모델 생성 
____콘텐츠 손실 
____스타일 손실 
____VGG 모델 레이어의 손실 추출 
____각 레이어의 손실 함수 만들기 
____옵티마이저 만들기 
____학습 
__생산적 적대 신경망 
____심층 컨볼루션 GAN 
____생성기 네트워크 정의 
________전치 컨볼루션 
________배치 정규화 
________생성기 네트워크 정의 
____판별기 네트워크 정의 
____오차와 옵티마이저 정의 
____판별기 네트워크 학습 
________실제 이미지로 판별기 학습시키기 
________가짜 이미지로 판별기 학습시키기 
____생성기 네트워크 학습 
____전체 네트워크 학습 시키기 
____생성 이미지 검토 
__언어 모델 
____데이터 준비 
____배치 처리기 생성 
________배치 
________Backpropagation through time 
____LSTM에 기반한 모델 정의 
____학습과 평가 함수 정의 
____모델 학습 
__요약 

8장. 모던 네트워크 아키텍처 

__최신 네트워크 아키텍처 
____ResNe 
________파이토치 데이터셋 만들기 
________학습과 검증을 위한 로더 생성 
________ResNet 모델 만들기 
________컨볼루션 피처 추출 
________미리 계산된 컨볼루션 피처와 로더를 위한 사용자 정의 파이토치 데이터셋 클래스 만들기 
________단순한 선형 모델 만들기 
________모델 학습과 검증 
____인셉션 
________인셉션 모델 만들기 
________register_forward_hood을 이용해 컨볼루션 피처 추출하기 
________컨볼루션 피처를 위한 새로운 데이터셋 만들기 
________전연결 모델 만들기 
________모델 학습과 검증 
__DenseNet: 컨볼루션 네트워크의 전연결 아키텍처 
____DenseBlock 
____DenseLayer 
________덴스넷 모델 생성 
________덴스넷 피처 추출 
________데이터셋과 로더 만들기 
________전연결 모델을 생성하고 학습 
__앙상블 모델 
____3개 모델 만들기 
____Extracting the image features 
____데이터 로더와 사용자 정의 데이터셋 생성 
____앙상블 모델 만들기 
____모델 학습시키고 검증 
__인코더-디코더 아키텍처 
____인코더 
____디코더 
__요약 

9장. 마지막 그리고 새로운 시작 

__다음은? 
__개요 
__연구 가치가 있는 흥미로운 아이디어 
____객체 인식 
____이미지 분할 
____파이토치 OPENNMT 
____ALIEN NLP 
____FAST 
____ONNX 
__지속적인 정보 업데이트 방법 
__요약 

찾아보기

관련분야 신착자료

루아나 (2023)
Gross, Carson (2023)