机读格式显示(MARC)

• 000 01411nam0 2200313 450

• 001 0000505212

• 005 20260910162200.0

• 010 __ |a 978-7-302-68452-7 |d CNY159.00

• 100 __ |a 20250421d2025 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深入理解PyTorch |A shen ru li jie PyTorch |f (印) 阿施·拉贾汉·贾著 |g 刘祎译

• 210 __ |a 北京 |c 清华大学出版社 |d 2025

• 215 __ |a xviii, 472页 |c 图 |d 23cm

• 305 __ |a 译自原书第2版

• 306 __ |a 本书中文简体字版由Packt Publishing授权清华大学出版社独家出版

• 312 __ |a 英文题名原文取自版权页

• 320 __ |a 有书目

• 330 __ |a 本书详细阐述了与PyTorch相关的基本解决方案, 主要包括深度卷积神经网络架构、结合CNN和LSTM、深度循环模型架构、高级混合模型、图神经网络、使用PyTorch生成音乐和文本、神经风格迁移、深度卷积GAN、利用扩散生成图像、深度强化学习、模型训练优化、将PyTorch模型投入生产、移动设备上的PyTorch、使用PyTorch进行快速原型开发、PyTorch和AutoML、PyTorch与可解释人工智能、推荐系统与PyTorch、PyTorch和Hugging Face等内容。此外, 本书还提供了相应的示例、代码, 以帮助读者进一步理解相关方案的实现过程。

• 500 10 |a Mastering PyTorch |A Mastering Pytorch |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

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

• 702 _0 |a 刘祎 |A liu yi |4 译

• 801 _0 |a CN |b 湖北三新 |c 20250421

• 905 __ |a LJUZC |d TP181/677

• 920 __ |a 222016 |z 1