파이토치 첫걸음

티스토리 메뉴 펼치기 댓글수0

제이펍의 도서

파이토치 첫걸음

제이펍
댓글수0

정말정말 쉽게 시작하는 파이토치&딥러닝 입문!
실무에도 바로 활용할 수 있는 파이토치 입문서!

출판사 제이펍

원출판사 쇼에이샤(翔泳社)

원서명 現場使えるPyTorch開発入門(원서 ISBN: 9784798157184)

저자명 두세교

역자명 김완섭

출판일 2019년 5월 9일

페이지 232쪽

시리즈 I♥A.I. 16 (아이러브A.I. 16)

판  형 크라운판 변형(170*225*14)

제  본 무선(soft cover)

정  가 24,000원

ISBN 979-11-88621-59-0 (93000)

키워드 파이토치 / 인공지능 / 딥러닝 / 머신러닝 / 프레임워크 / 신경망 / 오픈 소스 프로젝트 / 구글 컬래버레터리 / 주피터 노트북

분야 인공지능 / 딥러닝


관련 사이트

■ 저작권사 도서소개 페이지

■ 아마존 도서소개 페이지

파이토치 공식 사이트


관련 포스트

2019/04/18 - [출간전 책소식] - 딥러닝 때문에 얼굴 찌푸리지 말아요~♪ 파이토치와 이 책이 있잖아요!

 

관련 시리즈

■ IA.I. 시리즈


관련 도서

(* 관련 시리즈 참고)


관련 파일 다운로드

예제 코드 다운로드(깃헙)

 

교재 검토용 증정 안내

■ 학교 및 학원에서 교재 선정을 위해 책을 파일로 검토해보고자 하시는 분들은 다음의 페이지에서 신청 양식을 작성해주시기 바랍니다. 확인 후 연락을 드리도록 하겠습니다. http://goo.gl/vBtPo3


강의보조자료 다운로드

교재로 채택하신 분들은 메일을 보내주시면 아래의 자료를 보내드리겠습니다: jeipubmarketer@gmail.com

■ 본문의 그림과 표


샘플 PDF

(차례, 옮긴이 머리말, 시작하며, 이 책의 대상 독자와 필요한 사전 지식, 이 책의 구성, About the SAMPLE: 이 책의 개발 환경과 예제 프로그램, 베타리더 후기, 프롤로그 '개발 환경 준비', 1 '파이토치의 기본' 일부, 2 '최대 우도 추정과 선형 모델' 일부, 3 '다층 퍼셉트론' 일부, 4 '이미지 처리와 합성곱 신경망' 일부, 5 '자연어 처리와 순환 신경망' 일부)

sample_파이토치첫걸음.pdf


정오표 페이지

■ (등록되는 대로 링크를 걸어 드리겠습니다)


도서 구매 사이트(가나다 순)


도서 소개

실무에도 바로 활용할 수 있는 파이토치 입문서!


딥러닝의 파이썬 라이브러리로는 구글이 개발한 텐서플로(TensorFlow) 프레임워크가 가장 유명하지만, 심벌을 사용하는 프로그래밍 스타일 때문에 초보자가 접근하기 어렵다는 의견도 존재한다. 반면 이 책에서 다루는 파이토치는 페이스북을 중심으로 개발된 오픈 소스 프로젝트로 동적 네트워크라는 구조를 도입했으며, 일반적인 파이썬 프로그램과 같은 환경에서 간단하게 신경망을 구축할 수 있다는 점에서 많은 관심을 받고 있다. 특히, 해외 연구자들로부터 많은 지지를 받고 있어서 최신 연구들이 파이토치를 사용해 구현되는 중이다. 연구 결과들도 깃허브를 통해 빠르게 공개되는 것이 당연시되고 있다. 아직 한글 자료는 부족하지만, 사용하기 쉽고 최신 연구 결과를 바로 적용할 수 있어서 서비스에 딥러닝을 곧바로 적용하고 싶은 사람에게는 최적의 프레임워크가 될 것이다. 이 책을 통해서 독자 여러분이 신경망이나 딥러닝, 그리고 머신러닝 등에 흥미를 가지고 실제로 자신의 업무에 적용할 수 있게 되기를 바란다.


- ‘시작하며’ 중에서


이 책의 대상 독자

  • 인공지능을 배우고자 하는 프로그래머

  • 머신러닝 및 딥러닝 엔지니어


저자 소개

두세교(杜世橋)

도쿄공업대학에서 계산 기기를 활용한 분자생물학을 연구했으며, 졸업 후에는 IT 기업에서 소프트웨어 개발 및 데이터 분석을 담당하고 있다. 대학원 시절에 아직 유명해지기 전이었던 파이썬과 NumPy를 접했고, 스터디 모임이나 집필 등을 통해 파이썬을 전파했다. 요근래 몇 년 동안은 스타트업을 중심으로 데이터 분석이나 머신러닝 개발 지원 등을 해왔으며, 2018년 4월부터 물류 IT 관련 스타트업에서 근무하고 있다. 머신러닝, 빅데이터 분석, 서버 개발 등에 관심이 많으나, 지금은 자녀 교육을 위해 육아 휴직 중인 아빠 엔지니어다.


역자 소개

김완섭

네덜란드 ITC에서 Geoinformation for Disaster Risk Management 석사 학위를 취득했다. 약 9년간 일본과 한국의 기업에서 IT 및 GIS/LBS 분야 업무를 담당했으며, 일본에서는 세콤(SECOM) 계열사인 파스코(PASCO)에서 일본 외무부, 국토지리정보원 같은 정부기관을 대상으로 한 시스템 통합(SI) 업무를 담당했다. 이후 야후 재팬으로 직장을 옮겨 야후맵 개발 담당 시니어 엔지니어로 근무했으며, 한국으로 돌아와 SK에서 내비게이션 지도 데이터 담당 매니저로 근무했다. 현재는 싱가포르에 있는 일본계 회사에서 은행 관련 IT 프로젝트를 담당하고 있다. 저서로는 《나는 도쿄 롯폰기로 출근한다》가 있으며, 역서로는 《알고리즘 도감》, 《처음 만나는 HTML5 & CSS3》, 《인공지능 70》, 《처음 만나는 자바스크립트》, 《다양한 언어로 배우는 정규표현식》, 《그림으로 공부하는 IT 인프라 구조》, 《그림으로 공부하는 시스템 성능 구조》 등 20여 종이 있다. 블로그를 통해 IT 번역 관련 이야기와 싱가포르 직장 생활을 소개하고 있다.


차례

PROLOGUE 개발 환경 준비 1

0.1 이 책의 검증 환경 2

0.1.1 OS 환경: 우분투 16.04 2

0.1.2 엔비디아의 GPU 2

0.1.3 클라우드에서 GPU를 탑재한 인스턴스 실행하기 3

0.2 개발 환경 구축 5

0.2.1 미니콘다 설치 5

0.2.2 가상 환경 구축 7

 

CHAPTER 1 파이토치의 기본 11

1.1 파이토치의 구성 12

1.1.1 파이토치의 전반적인 구성 12

1.2 텐서 13

1.2.1 텐서 생성과 변환 13

1.2.2 텐서의 인덱스 조작 15

1.2.3 텐서 연산 16

1.3 텐서와 자동 미분 20

1.4 정리 22


CHAPTER 2 최대 우도 추정과 선형 모델 23

2.1 확률 모델과 최대 우도 추정 24

2.2 확률적 경사 하강법 26

2.3 선형 회귀 모델 28

2.3.1 선형 회귀 모델의 최대 우도 추정 28

2.3.2 파이토치로 선형 회귀 모델 만들기(직접 만들기) 30

2.3.3 파이토치로 선형 회귀 모델 만들기(nn, optim 모듈 사용) 32

2.4 로지스틱 회귀 35

2.4.1 로지스틱 회귀의 최대 우도 추정 35

2.4.2 파이토치를 사용한 로지스틱 회귀 분석 36

2.4.3 다중 분류를 위한 로지스틱 회귀 분석 40

2.5 정리 42


CHAPTER 3 다층 퍼셉트론 43

3.1 MLP 구축과 학습 44

3.2 Dataset과 DataLoader 48

3.2.1 Dataset과 DataLoader 48

3.3 학습 효율화 팁 50

3.3.1 Dropout을 사용한 정규화 50

3.3.2 Batch Normalization를 사용한 학습 가속 53

3.4 신경망의 모듈화 55

3.4.1 자체 신경망 계층(커스텀 계층만들기 55

3.5 정리 57


CHAPTER 4 이미지 처리와 합성곱 신경망 59

4.1 이미지와 합성곱 계산 60

4.2 CNN을 사용한 이미지 분류 62

4.2.1 Fashion-MNIST 62

4.2.2 CNN 구축과 학습 65

4.3 전이 학습 69

4.3.1 데이터 준비 72

4.3.2 파이토치를 사용한 전이 학습 75

4.4 CNN 회귀 모델을 사용한 이미지 해상도 향상 80

4.4.1 데이터 준비 80

4.4.2 모델 작성 83

4.5 DCGAN을 사용한 이미지 생성 89

4.5.1 GAN이란 89

4.5.2 데이터 준비 90

4.5.3 파이토치를 사용한 DCGAN 91

4.6 정리 101


CHAPTER 5 자연어 처리와 순환 신경망 103

5.1 RNN이란? 104

5.2 텍스트 데이터의 수치화 106

5.3 RNN과 문장 분류 109

5.3.1 IMDb 리뷰 데이터 109

5.3.2 신경망 정의와 훈련 113

5.3.3 가변 길이 계열 처리 118

5.4 RNN을 사용한 문장 생성 121

5.4.1 데이터 준비 122

5.4.2 모델 정의 및 학습 124

5.5 인코더-디코더 모델을 사용한 기계 번역 129

5.5.1 인코더-디코더 모델이란 130

5.5.2 데이터 준비 131

5.5.3 파이토치를 사용한 인코더-디코더 모델 135

5.6 정리 142


CHAPTER 6 추천 시스템과 행렬 분해 143

6.1 행렬 인수분해 144

6.1.1 이론적 배경 144

6.1.2 MovieLens 데이터 145

6.1.3 파이토치에서 행렬 인수분해하기 147

6.2 신경망 행렬 인수분해 151

6.2.1 행렬 인수분해를 비선형화 151

6.2.2 부속 정보 이용 153

6.3 정리 160


CHAPTER 7 애플리케이션 적용 161

7.1 모델 저장과 불러오기 162

7.2 플라스크를 사용한 웹 API화 164

7.3 도커를 이용한 배포 173

7.3.1 nvidia-docker 설치 174

7.3.2 파이토치의 도커 이미지 작성 175

7.3.3 웹 API 배포 176

7.4 ONNX를 사용한 다른 프레임워크와의 연계 179

7.4.1 ONNX란 179

7.4.2 파이토치 모델 엑스포트 181

7.4.3 Cae2에서 ONNX 모델 사용하기 183

7.4.4 ONNX 모델을 Cae2 모델로 저장 184

7.5 정리 186


APPENDIX A 훈련 상태 가시화 187

A1.1 텐서보드를 사용한 가시화 188


APPENDIX B 컬래버레터리로 파이토치 개발 환경 구축 193

B1.1 컬래버레터리를 사용한 파이토치 개발 환경 구축 방법 194

B1.1.1 컬래버레터리란 194

B1.1.2 장비 사양 194

B1.1.3 파이토치 환경 구축 195

B1.1.4 데이터 처리 201


맨위로

https://jpub.tistory.com/918

신고하기