Джереми Ховард , Сильвейн Гуггер - Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности

Beijing

Boston Farnham Sebastopol

Tokyo

Глубокое обучение

с fastai и PyTorch
Минимум формул, минимум кода,
максимум эффективности

Джереми Ховард и Сильвейн Гуггер

2022

ББК 32.813
УДК 004.8
Х68

Ховард Джереми, Гуггер Сильвейн
Х68 Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности. — СПб.: Питер, 2022. — 624 с.: ил. — (Серия «Бестселлеры O’Reilly»).
ISBN 978-5-4461-1475-7
Обычно на глубокое обучение смотрят с ужасом, считая, что только доктор математических
наук или ботан, работающий в крутой айтишной корпорации, могут разобраться в этой теме.
Отбросьте стереотипы: любой программист, знакомый с Python, может добиться впечатляющих
результатов. Как? С помощью fastai — библиотеки, предоставляющей комфортный интерфейс
для решения наиболее популярных задач.
Создатели fastai доказали, что самые модные и актуальные приложения можно делать быстро
и не засыпать над скучными теоретическими выкладками и зубодробительными формулами.

16+ (В соответствии с Федеральным законом от 29 декабря 2010 г. № 436-ФЗ.)

ББК 32.813
УДК 004.8

Права на издание получены по соглашению с O’Reilly. Все права защищены. Никакая часть данной книги
не может быть воспроизведена в какой бы то ни было форме без письменного разрешения владельцев
авторских прав.
Информация, содержащаяся в данной книге, получена из источников, рассматриваемых издательством как
надежные. Тем не менее, имея в виду возможные человеческие или технические ошибки, издательство не
может гарантировать абсолютную точность и полноту приводимых сведений и не несет ответственности за
возможные ошибки, связанные с использованием книги. Издательство не несет ответственности за доступность материалов, ссылки на которые вы можете найти в этой книге. На момент подготовки книги к изданию
все ссылки на интернет-ресурсы были действующими.

ISBN 978-1492045526 англ.

ISBN 978-5-4461-1475-7

© Authorized Russian translation of the English edition of Deep Learning for
Coders with fastai and PyTorch
ISBN 9781492045526 © 2020 Sylvain Gugger and Jeremy Howard.
This translation is published and sold by permission of O’Reilly Media, Inc.,
which owns or controls all rights to publish and sell the same.
© Перевод на русский язык ООО «Прогресс книга», 2022
© Издание на русском языке, оформление ООО «Прогресс книга», 2022
© Серия «Бестселлеры O’Reilly», 2022

Краткое содержание

Отзывы о книге...................................................................................................................... 18
Введение.................................................................................................................................. 22
Предисловие.......................................................................................................................... 25
ЧАСТЬ I
ГЛУБОКОЕ ОБУЧЕНИЕ НА ПРАКТИКЕ
Глава 1. Путешествие в мир глубокого обучения................................................. 28
Глава 2. От модели к продакшену................................................................................ 86
Глава 3. Этика данных.....................................................................................................125
ЧАСТЬ II
ПОНИМАНИЕ ПРИЛОЖЕНИЙ НА БАЗЕ FASTAI
Глава 4. Обучение классификатора цифр: взгляд изнутри............................168
Глава 5. Классификация изображений....................................................................222
Глава 6. Другие задачи компьютерного зрения..................................................256
Глава 7. Обучение современной модели...............................................................278
Глава 8. Коллаборативная фильтрация...................................................................294
Глава 9. Табличное моделирование.........................................................................320
Глава 10. Погружение в NLP: рекуррентные нейронные сети.....................376
Глава 11. Преобразование данных с помощью Mid-Level API .....................405

6  Краткое содержание
ЧАСТЬ III
ОСНОВЫ ГЛУБОКОГО ОБУЧЕНИЯ
Глава 12. Языковая модель с нуля.............................................................................422
Глава 13. Сверточные нейронные сети...................................................................453
Глава 14. ResNet.................................................................................................................492
Глава 15. Архитектуры приложений........................................................................511
Глава 16. Процесс обучения.........................................................................................524
ЧАСТЬ IV
ГЛУБОКОЕ ОБУЧЕНИЕ С ЧИСТОГО ЛИСТА
Глава 17. Продвинутые основы нейронной сети...............................................544
Глава 18. Интерпретация CNN с помощью CAM.................................................571
Глава 19. Класс Learner с нуля.....................................................................................579
Глава 20. Подведем итог................................................................................................598
ПРИЛОЖЕНИЯ
Приложение A. Создание блога................................................................................602
Приложение Б. Схема подготовки проекта по аналитике данных............611
Об --">