現場で使える！PyTorch開発入門 深層学習モデルの作成とアプリケーションへの実装

はじめに
本書の対象読者と必要な事前知識
本書の構成
本書のサンプルの動作環境とサンプルプログラムについて

Prologue 開発環境の準備
　0.1 本書の検証環境
　0.2 開発環境の構築

Chapter 1 PyTorchの基本
　1.1 PyTorchの構成
　1.2 Tensor
　1.3 Tensorと自動微分
　1.4 まとめ

Chapter 2 最尤推定と線形モデル
　2.1 確率モデルと最尤推定
　2.2 確率的勾配降下法
　2.3 線形回帰モデル
　2.4 ロジスティック回帰
　2.5 まとめ

Chapter 3 多層パーセプトロン
　3.1 MLPの構築と学習
　3.2 DatasetとDataLoader
　3.3 学習効率化のTips
　3.4 ネットワークのモジュール化
　3.5 まとめ

Chapter 4 画像処理と畳み込みニューラルネットワーク
　4.1 画像と畳み込み計算
　4.2 CNNによる画像分類
　4.3 転移学習
　4.4 CNN回帰モデルによる画像の高解像度化
　4.5 DCGANによる画像生成
　4.6 まとめ

Chapter5 自然言語処理と回帰型ニューラルネットワーク
　5.1 RNNとは
　5.2 テキストデータの数値化
　5.3 RNNと文章のクラス分類
　5.4 RNNによる文章生成
　5.5 Encoder-Decoderモデルによる機械翻訳
　5.6 まとめ

Chapter6 推薦システムと行列分解
　6.1 行列因子分解
　6.2 ニューラル行列因子分解
　6.3 まとめ

Chapter 7 アプリケーションへの組込み
　7.1 モデルの保存と読み込み
　7.2 Flaskを用いたWebAPI化
　7.3 Dockerを利用したデプロイ
　7.4 ONNXを使用した他のフレームワークとの連携
　7.5 まとめ

Appendix1 訓練の様子を可視化する
　A1.1 TensorBoardによる可視化
Appendix2 ColaboratoryでPyTorchの開発環境を構築する
　A2.1 ColaboratoryによるPyTorch開発環境の構築方法

付属データはこちら

会員特典はこちら

お問い合わせ

内容についてのお問い合わせは、正誤表、追加情報をご確認後に、お送りいただくようお願いいたします。

正誤表、追加情報に掲載されていない書籍内容へのお問い合わせや
その他書籍に関するお問い合わせは、書籍のお問い合わせフォームからお送りください。

利用許諾に関するお問い合わせ

本書の書影（表紙画像）をご利用になりたい場合は書影許諾申請フォームから申請をお願いいたします。
書影（表紙画像）以外のご利用については、こちらからお問い合わせください。

• Colaboratoryにおける圧縮ファイルの展開、ディレクトリの作成および移動

  Colaboratoryの仕様変更によりP.084のMEMOコマンド（P.217のリストA.23）でエラーがでるケースがあります。その場合、
  以下のコマンドを実行してください。
  
  
  !wget http://vis-www.cs.umass.edu/lfw/lfw-deepfunneled.tgz
  !tar xf lfw-deepfunneled.tgz
  !mkdir train test
  !mv lfw-deepfunneled/[A-W]* train
  !mv lfw-deepfunneled/[X-Z]* test
  !mv train test lfw-deepfunneled
  
  
  （2018年10月現在の情報です）。

• 009ページ　PyTorch v0.4のコマンドでのインストール

  本書執筆時、PyTorch 0.4の最新版は0.4.0でしたが、現在は0.4.1がリリースされており、このバージョンではcaffe2との互換性で問題が生じているようです。
  0.4.0をインストールすれば問題はないため、0章（Prologue　009ページ）の
  （pytorch）$ conda install pytorch=0.4 torchvision -c pytorch
  を
  （pytorch）$ conda install pytorch=0.4.0 torchvision -c pytorch
  に書き替えてください。
  （2018年10月現在の情報です）。