PyTorch深度学习与大模型部署及微调
深度学习案例拆解,实战落地指南,赠送PPT课件和视频讲解。

作者:胡书敏、金华、曹宇

定价:79.8元

印次:1-1

ISBN:9787302696872

出版日期:2025.08.01

印刷日期:2025.07.22

图书责编:张敏

图书分类:零售

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

"《PyTorch深度学习与大模型部署及微调》根据大多数软件公司对AI大模型开发程序员的标准要求,结合范例程序,针对零基础人群,讲述了从“入门”到“能干活”所必需掌握的知识点。 《PyTorch深度学习与大模型部署及微调》内容涵盖了深度学习各种模型的知识点,包括Python和Pytorch的开发环境、神经网络预测技术、用卷积和残差神经网络分类图片的技术、数据预处理和数据增强、用生成对抗网络识别图片的技术、用循环神经网络和Transformer 网络分析文本的技术、用VIT模型分类图片的技术、人脸识别和目标物体识别的技术、音频处理技术,以及DeepSeek本地化部署和微调技术等。 "

"胡书敏,大连理工大学计算机硕士,有8年Python开发经验,资深Python架构师,目前在知名外企从事Python和AI的开发,有平安、花旗和IBM等大厂的工作经验,同时有约8年的Java技术面试官的经验。出版过《Python爬虫、数据分析与可视化:工具详解与案例实战》、《基于股票大数据分析的Python入门实战》等图书,有大模型搭建、训练和部署的落地经验。金华,上海浦东软件园股份有限公司培训中心主任,兼任上海张江信息技术专修学院院长,上海市浦东软件园职业技能培训中心主任,上海市人力资源和社会保障局职业技能鉴定中心专家组组长,上海市教育委员会职业教育教学工作诊断与改进专家。长期从事软件和信息技术专业职业标准、培训课程、鉴定方案等研发工作。主审中国劳动社会保障出版社《计算机程序设计员(Java)高级》教材,主编上海市经济和信息化委员会工程师继续教育《大数据与数据挖掘》、《移动互联网》与《大数据可视化技术与应用》等教材。曹宇,上海城建职业学院机电工程与信息学院,副教授、工程师、二级技师(计算机程序设计员)。历任高级程序员、项目经理、信息技术总监、专业教师、专业负责人等职务。主导与开发染整生产管理信息系统、EPC企业专利信息协同平台、上海城市管理职业技术学院教务系统管理平台、大宗商品信息管理系统等项目。参与的《上海市信息港建设政策报告》、《上海信息港集约化信息管线发展研究》分获上海市决策咨询类二等奖和三等奖。 指导学生多项获奖,其中2019上海市星光计划-网站设计项目获得一等奖且排名第一。"

前言 当下深度学习和大模型是一个技术热点,如果读者想学习这方面的技能,那么本书是一个不错的选择。 从知识体系上来看,本书的内容涵盖了深度学习各种模型的知识点,包括但不限于搭建Python和Pytorch的开发环境、用多层感知机预测数据的技术、用卷积和残差神经网络分类图片的技术、用生成对抗网络识别图片的技术、用循环神经网络和Transformer网络分析文本的技术、用ViT模型分类图片的技术、人脸识别和目标物体识别的技术,以及强化学习和音频分析等技术。 此外,本书还用专门的一章讲述了DeepSeek模型在本地部署和微调的技能点。 本书的作者具有多年Python、AI和大模型的开发经验,谙熟AI模型方面高级开发所需要掌握的知识体系,也非常清楚从零基础升级到高级开发人员可能会走的弯路,所以在本书的内容安排上,第一,只讲初学者有必要学习的知识点,而不会导致过度学习;第二,并没有像其他同类书那样给出复杂的数学公式,而是用通俗的文字讲述各种技能;第三,结合具体范例程序讲述各知识点,从而能确保读者学得会并用得上。 本书的全部范例在CPU环境下也均可运行。本书还附带一些范例所必需的数据集,而且对于所有范例,笔者都是逐行讲述了关键要点。所以笔者相信,即使是零基础的初学者,也能通过本书提供的范例及文字,高效地掌握深度学习的相关技能点。本书的范例程序篇幅适中,通俗易懂,还可作为课程设计或毕业设计的参考范例。 本书赠送代码、数据集、PPT和视频讲解,读者扫描下方二维码可获取。 为了让读者能高效掌握本书的知识点和范例,...

目录
荐语
查看详情 查看详情
目录

第1章 神经网络、深度学习和大模型

1.1?神经网络和深度学习

1.1.1?神经元和神经网络

1.1.2?深度神经网络与深度学习

1.1.3 深度学习的应用场景

1.2 深度学习和大模型

1.3 实现深度学习的Pytorch框架

1.3.1 Pytorch简介

1.3.2 Pytorch的常用模块

1.3.3 搭建Python开发环境

1.3.4 简单安装Pytorch框架

1.4 搭建支持GPU的Pytorch环境

1.4.1 GPU和CUDA

1.4.2 安装基于GPU的Pytorch

1.5 小结和预告

第2章 学习张量,搭建神经网络

2.1 张量的概念和基本操作

2.1.1 标量、向量、矩阵和张量

2.1.2 张量和深度学习的关系

2.1.3 创建张量

2.1.4 张量的常见方法

2.1.5 张量与Numpy数据的相互转换

2.2 张量的常见运算

2.2.1 张量的索引操作

2.2.2 张量的切片操作

2.2.3 转换张量的维度

2.2.4 过滤与条件操作

2.3 搭建第一个神经网络

2.3.1 训练集、验证集和测试集

2.3.2 过拟合与欠拟合

2.3.3 损失函数

2.3.4 神经网络的超参数

2.3.5 搭建神经网络的定式

2.4 小结和预告

第3章 实战神经网络(多层感知机)

3.1 Pytorch自带的数据集

3.1.1 数据集介绍

3.1.2 下载MNIST数据集

3.1.3 可视化MNIST数据集

3.2 激活函数

3.2.1 引入非线性因素的激活函数

3... 查看详情

"《PyTorch深度学习与大模型部署及微调》根据大多数软件公司对AI大模型开发程序员的标准要求,结合范例程序,针对零基础人群,讲述了从“入门”到“能干活”所必需掌握的知识点。

《PyTorch深度学习与大模型部署及微调》内容涵盖了深度学习各种模型的知识点,包括Python和Pytorch的开发环境、神经网络预测技术、用卷积和残差神经网络分类图片的技术、数据预处理和数据增强、用生成对抗网络识别图片的技术、用循环神经网络和Transformer 网络分析文本的技术、用VIT模型分类图片的技术、人脸识别和目标物体识别的技术、音频处理技术,以及DeepSeek本地化部署和微调技术等。

"


查看详情