一本需要和Pytorch的官方文档搭配看的书
当年找工作,看了好多遍人邮的机器学习实战,印象最深的肯定是手写kmeans,虽然后来自己搞的时候直接sklearn搞定。现在再来看这本Pytorch深度学习实战,两本书似乎延续着同样硬核的风格——就是基于numpy和torch的基础函数实现相关功能。什么直接导入resnet50啊,一概不用。毕竟作者也是pytorch社区的贡献者,老开发了,技术功底相当可以,就暂且先这么看吧。
建议阅读者最好对深度学习有一定数学基础了解,并至少翻阅过pytorch 60mins 入门教程,大概对深度学习和pytorch有一定的了解,并且下载了官方的代码。毕竟这本书在讲完第一章的背景和环境介绍后,第二章就开始讲预训练模型,这个东西就可以直接run起来了,不了解的估计一脸懵逼。
第三章开始才算是正式进入实战吧。从张量表示,学习机制,神经网络的搭建,到后面相关的各种case,涉及的场景和任务类型也五花八门,读者也可以清楚的了解到基于pytorch的深度学习模型可以来干什么以及如何来做,对于刚刚接触深度学习的人来说是个不错的规划。
不仅如此,本书还涉及了部分工程中的应用,比如PyTorch模型的服务部署,模型的ONNX导出,libtorch等相关的一些东西,也是对实际中的工业环境和使用做了个介绍,对刚入门,尤其是做工程化的读者来说更加友好。
说道这就不得不说一下这本书不太容易阅读的一些地方,首先是pytorch涉及的函数,入门者大概率不太了解如何使用,也不清楚其输入输出的结果是啥,这个仅根据原作翻译的话,读者读起来确实会产生困惑。第二个是涉及的代码部分,对于初学者来说,可能相关注释还是太少了。
如果需要深度了解深度学习模型和pytorch的相关内容,这是一本值得一读的书。能够手撕算法实现(比如resnet)对于后续无聊是学习还是开发帮助还是挺多的。还是得多看代码,有好的样例对入门者帮助巨大。