PyTorch 実践入門

ディープラーニングの重要な基礎概念と、 PyTorch を用いたディープラーニングの実装方法について、細部まで掘り下げて解説。限られたデータでニューラルネットワークを訓練する方法、訓練済みモデルのデプロイ方法など『ディープラーニング・プロジェクトのベストプラクティス』を提示します。 ・ディープラーニングのメカニズムを解説 ・ Jupyter Notebook 上でサンプルコードを実行 ・ PyTorch を用いたモデル訓練の実施 ・実データを使用するプロジェクトをベースに実践的解説 ・本番環境へのさまざまなモデルデプロイ方法 PyTorch で実際にどのように組み込まれて実現されているのか、細部まで掘り下げた解説をしていますのでディープラーニングの活用を目指している開発者や詳しく知りたい方におすすめです。 Manning Publications 『 Deep Learning with PyTorch 』の翻訳書 第 1 部 PyTorch の基礎 第 1 章 ディープラーニングと PyTorch の概要 第 2 章 訓練済みモデルの利用方法 第 3 章 PyTorch におけるテンソルの扱い方 第 4 章 さまざまなデータを PyTorch テンソルで表現する方法 第 5 章 ディープラーニングの学習メカニズム 第 6 章 ニューラルネットワーク入門 第 7 章 画像分類モデルの構築 第 8 章 畳み込み (Convolution) 第 2 部 ディープラーニングの実践プロジェクト:肺がんの早期発見 第 9 章 肺がん早期発見プロジェクトの解説 第 10 章 LUNA データを PyTorch データセットに変換 第 11 章 結節候補を画像分類するモデルの構築 第 12 章 評価指標とデータ拡張を用いたモデルの改善 第 13 章 セグメンテーションを用いた結節の発見 第 14 章 結節・腫瘍解析システムの全体を構築 第 3 部 デプロイメント (Deployment) 第 15 章 本番環境にモデルをデプロイする方法 第 1 部 PyTorch の基礎 第 1 章 ディープラーニングと PyTorch の概要 第 2 章 訓練済みモデルの利用方法 第 3 章 PyTorch におけるテンソルの扱い方 第 4 章 様々なデータを PyTorch テンソルで表現する方法 第 5 章 ディープラーニングの学習メカニズム 第 6 章 ニューラルネットワーク入門 第 7 章 画像分類モデルの構築 第 8 章 畳み込み 第 2 部 ディープラーニングの実践プロジェクト:肺がんの早期発見 第 9 章 肺がん早期発見プロジェクトの解説 第 10 章 LUNA データを PyTorch データセットに変換 第 11 章 結節候補を画像分類するモデルの構築 第 12 章 評価指標とデータ拡張を用いたモデルの改善 第 13 章 セグメンテーションを用いた結節の発見 第 14 章 結節・腫瘍解析システムの全体を構築 第 3 部 デプロイメント 第 15 章 本番環境にモデルをデプロイする方法