APEX 代儲的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

深入淺出PyTorch：從模型到源碼

為了解決APEX 代儲的問題，作者張校捷 這樣論述：

本書從機器學習和深度學習的基礎概念入手，由淺到深地詳細介紹了PyTorch深度學習框架的知識，主要包含深度學習的基礎知識，如神經網路的優化演算法、 神經網路的模組等；同時也包含了深度學習的進階知識，如使用 PyTorch構建複雜的深度學習模型，以及前沿的深度學習模型的介紹等。另外，為了加深讀者對 PyTorch深度學習框架的理解和掌握，本書還介紹了PyTorch的原始程式碼結構，包括該框架的Python語言前端和C++語言後端的原始程式碼結構。 作為一本面向初中級讀者的技術類圖書，本書既可以作為深度學習框架 PyTorch 入門的參考書籍，也可以作為PyTorch深度學習框架的結構和原始程式

碼的閱讀指南使用。   張校捷，英偉達（NVIDIA）資深深度學習架構工程師，負責基於CUDA的深度學習框架的優化。目前主要使用的技術棧是作為深度學習框架後端的 C/C++/CUDA，以及深度學習框架前端的Python，對主流的深度學習框架如PyTorch和TensorFlow比較熟悉，並精通其在電腦視 覺（CV）和自然語言處理（NLP）方面的具體應用。作者多次作為專題演講嘉賓，受邀參加CSDN主辦的技術大會。 第1章 深度學習概念簡介 1 1．1 深度學習的歷史 1 1．1．1 深度學習的發展過程 1 1．1．2 深度學習在電腦視覺領域的發展 3 1．

1．3 深度學習在自然語言處理和其他領域的發展 6 1．2 機器學習基本概念 7 1．2．1 機器學習的主要任務 8 1．2．2 機器模型的類型 9 1．2．3 損失函數以及模型的擬合 11 1．3 深度學習基本概念 14 1．3．1 向量、矩陣和張量及其運算 15 1．3．2 張量的存儲 19 1．3．3 神經元的概念 19 1．4 輸入資料的表示方式 20 1．4．1 圖像資料的表示方式 20 1．4．2 文本資料的表示方式 22 1．4．3 音訊資料的表示方式 23 1．5 線性變換和啟動函數 26 1．5．1 全連接線性變換 26 1．5．2 卷積線性變換 28 1．5．3 啟動函數

29 1．6 鏈式求導法則和反向傳播 32 1．6．1 基於鏈式求導的梯度計算 32 1．6．2 啟動函數的導數 34 1．6．3 數值梯度 36 1．7 損失函數和優化器 37 1．7．1 常用的損失函數 37 1．7．2 基於梯度的優化器 38 1．7．3 學習率衰減和權重衰減 42 1．8 本章總結 43 第2章 PyTorch深度學習框架簡介 44 2．1 深度學習框架簡介 44 2．1．1 深度學習框架中的張量 44 2．1．2 深度學習框架中的計算圖 45 2．1．3 深度學習框架中的自動求導和反向傳播 46 2．2 PyTorch框架歷史和特性更迭 47 2．3 PyTorch

的安裝過程 49 2．4 PyTorch包的結構 52 2．4．1 PyTorch的主要模組 52 2．4．2 PyTorch的輔助工具模組 57 2．5 PyTorch中張量的創建和維度的操作 59 2．5．1 張量的資料類型 59 2．5．2 張量的創建方式 61 2．5．3 張量的存放裝置 65 2．5．4 和張量維度相關的方法 66 2．5．5 張量的索引和切片 69 2．6 PyTorch中張量的運算 70 2．6．1 涉及單個張量的函數運算 70 2．6．2 涉及多個張量的函數運算 72 2．6．3 張量的極值和排序 73 2．6．4 矩陣的乘法和張量的縮並 75 2．6．5 張量

的拼接和分割 77 2．6．6 張量維度的擴增和壓縮 79 2．6．7 張量的廣播 80 2．7 PyTorch中的模組簡介 82 2．7．1 PyTorch中的模組類 82 2．7．2 基於模組類的簡單線性回歸類 82 2．7．3 線性回歸類的產生實體和方法調用 84 2．8 PyTorch的計算圖和自動求導機制 87 2．8．1 自動求導機制簡介 87 2．8．2 自動求導機制實例 88 2．8．3 梯度函數的使用 89 2．8．4 計算圖生成的控制 89 2．9 PyTorch的損失函數和優化器 90 2．9．1 損失函數 90 2．9．2 優化器 92 2．10 PyTorch中資料的

輸入和預處理 96 2．10．1 數據載入類 96 2．10．2 映射類型的資料集 97 2．10．3 torchvision工具包的使用 97 2．10．4 可反覆運算類型的資料集 100 2．11 PyTorch模型的保存和載入 101 2．11．1 模組和張量的序列化及反序列化 101 2．11．2 模組狀態字典的保存和載入 104 2．12 PyTorch數據的視覺化 105 2．12．1 TensorBoard的安裝和使用 105 2．12．2 TensorBoard常用的視覺化資料類型 108 2．13 PyTorch模型的並行化 110 2．13．1 PyTorch的資料並行化

111 2．13．1 PyTorch的分散式資料並行化 112 2．14 本章總結 116 第3章 PyTorch電腦視覺模組 119 3．1 電腦視覺基本概念 119 3．1．1 電腦視覺任務簡介 119 3．1．2 基礎圖像變換操作 120 3．1．3 圖像特徵提取 123 3．1．4 濾波器的概念 125 3．2 線性層 126 3．3 卷積層 128 3．4 歸一化層 137 3．5 池化層 144 3．6 丟棄層 149 3．7 模組的組合 151 3．8 特徵提取 153 3．9 模型初始化 157 3．10 常見模型結構 160 3．10．1 InceptionNet的結構 1

61 3．10．2 ResNet的結構 164 3．11 本章總結 167 第4章 PyTorch機器視覺案例 169 4．1 常見電腦視覺任務和資料集 169 4．1．1 圖像分類任務簡介 169 4．1．2 目標檢測任務簡介 170 4．1．3 圖像分割任務簡介 171 4．1．4 圖像生成任務簡介 172 4．1．5 常用深度學習公開資料集 173 4．2 手寫數位識別：LeNet 176 4．2．1 深度學習工程的結構 176 4．2．2 MNIST資料集的準備 177 4．2．3 LeNet網路的搭建 179 4．2．4 LeNet網路的訓練和測試 182 4．2．5 超參數的修改

和argparse庫的使用 185 4．3 圖像分類：ResNet和InceptionNet 187 4．3．1 ImageNet資料集的使用 187 4．3．2 ResNet網路的搭建 189 4．3．3 InceptionNet網路的搭建 194 4．4 目標檢測：SSD 204 4．4．1 SSD的骨架網路結構 204 4．4．2 SSD的特徵提取網路結構 205 4．4．3 錨點框和選框預測 210 4．4．4 輸入資料的預處理 214 4．4．5 損失函數的計算 216 4．4．6 模型的預測和非極大抑制演算法 218 4．5 圖像分割：FCN和U-Net 219 4．5．1 FCN

網路結構 220 4．5．2 U-Net網路結構 225 4．6 圖像風格遷移 229 4．6．1 圖像風格遷移演算法介紹 229 4．6．2 輸入圖像的特徵提取 231 4．6．3 輸入圖像的優化 234 4．7 生成模型：VAE和GAN 236 4．7．1 變分自編碼器介紹 237 4．7．2 變分自編碼器的實現 239 4．7．3 生成對抗網路介紹 242 4．7．4 生成對抗網路的實現 244 4．8 本章總結 249 第5章 PyTorch自然語言處理模組 251 5．1 自然語言處理基本概念 251 5．1．1 機器翻譯相關的自然語言處理研究 251 5．1．2 其他領域的自然語

言處理研究 253 5．1．3 自然語言處理中特徵提取的預處理 254 5．1．4 自然語言處理中詞頻特徵的計算方法 256 5．1．5 自然語言處理中TF-IDF特徵的計算方法 258 5．2 詞嵌入層 261 5．3 迴圈神經網路層：GRU和LSTM 267 5．3．1 簡單迴圈神經網路 267 5．3．2 長短時記憶網路（LSTM） 269 5．3．3 門控迴圈單元（GRU） 272 5．4 注意力機制 280 5．5 自注意力機制 284 5．5．1 迴圈神經網路的問題 284 5．5．2 自注意力機制的基礎結構 285 5．5．3 使用自注意力機制來構建Seq2Seq模型 288 5

．5．4 PyTorch中自注意力機制的模組 290 5．5．5 Pytorch中的Transformer模組 292 5．6 本章總結 293 第6章 PyTorch自然語言處理案例 295 6．1 word2vec演算法訓練詞向量 295 6．1．1 單詞表的創建 295 6．1．2 word2vec演算法的實現 299 6．1．3 word2vec演算法的特性 301 6．2 基於迴圈神經網路的情感分析 302 6．3 基於迴圈神經網路的語言模型 305 6．3．1 語言模型簡介 305 6．3．2 語言模型的代碼 308 6．4 Seq2Seq模型及其應用 311 6．4．1 Seq

2Seq模型的結構 311 6．4．2 Seq2Seq模型編碼器的代碼 312 6．4．3 Seq2Seq模型注意力機制的代碼 315 6．4．4 Seq2Seq模型解碼器的代碼 317 6．5 BERT模型及其應用 321 6．5．1 BERT模型的結構 321 6．5．2 BERT模型的訓練方法 325 6．5．3 BERT模型的微調 327 6．6 本章總結 329 第7章 其他重要模型 330 7．1 基於寬深模型的推薦系統 330 7．1．1 推薦系統介紹 330 7．1．2 寬深模型介紹 331 7．2 DeepSpeech模型和CTC損失函數 335 7．2．1 語音辨識模型介

紹 335 7．2．2 CTC損失函數 337 7．3 使用Tacotron和WaveNet進行語音合成 342 7．3．1 Tacotron模型中基於Seq2Seq的梅爾篩檢程式特徵合成 343 7．3．2 Tacotron模型的代碼 344 7．3．3 WaveNet模型介紹 352 7．3．4 因果卷積模組介紹 355 7．3．5 因果卷積模組的代碼 357 7．3．6 WaveNet模型的代碼 358 7．4 基於DQN的強化學習演算法 360 7．4．1 強化學習的基礎概念 361 7．4．2 強化學習的環境 362 7．4．3 DQN模型的原理 363 7．4．4 DQN模型及其訓

練過程 365 7．5 使用半精度浮點數訓練模型 369 7．5．1 半精度浮點數的介紹 370 7．5．2 半精度模型的訓練 371 7．5．3 apex擴展包的使用 372 7．6 本章總結 373 第8章 PyTorch高級應用 375 8．1 PyTorch自訂啟動函數和梯度 375 8．2 在PyTorch中編寫擴展 377 8．3 正向傳播和反向傳播的鉤子 385 8．4 PyTorch的靜態計算圖 388 8．5 靜態計算圖模型的保存和使用 393 8．6 本章總結 396 第9章 PyTorch原始程式碼解析 397 9．1 ATen張量計算庫簡介 397 9．2 C++的

Python介面 400 9．3 csrc模組簡介 404 9．4 autograd和自動求導機制 407 9．5 C10張量計算庫簡介 408 9．6 本章總結 409 參考文獻 410

APEX 代儲進入發燒排行的影片

次世代電阻式記憶體與氮化鎵高電子遷移率電晶體物理機制研究

為了解決APEX 代儲的問題，作者鄭皓軒 這樣論述：

近年來5G通訊、人工智慧物聯網(AIoT)以及車用電子各項技術蓬勃發展，在高速運算、儲存容量與大功率操作的需求下，記憶體元件與功率電晶體的發展相當重要。在記憶體方面，隨著人工智慧物聯網時代的來臨，微控制器(MCU)將扮演相當重要的角色，而微控制器需使用大量的嵌入式記憶體(Embedded Memory)，嵌入式記憶體需要低操作功耗、高操作速度，並且能與半導體製程整合，在次世代記憶體中，電阻式記憶體最具有潛力。而在功率電晶體方面，過去以矽基元件的設計和技術開發經過了多次結構和製程優化更新，已逐漸接近矽材料的極限。而氮化鎵(GaN)為寬能隙(Wide Band-gap)半導體材料的代表之一，相較

於矽材料，具有寬能隙( bandgap)、高臨界電場(critical electric field)、高電子飽和速度(electron saturation velocity)等特性，在電動車與 5G 通訊方面為極具優勢的材料，以氮化鎵(GaN)為基底的高電子遷移率電晶體(High Electron Mobility Transistor, HEMT)日漸受到重視，顯現出氮化鎵在商業市場上的重要性以及未來的發展性。本論文針對電阻式記憶體以及氮化鎵高電子遷移率電晶體之性能進行相關研究。RRAM的元件目前以電晶體控制其開關(1T1R)作為嵌入式記憶體的主要結構。隨著莫爾定律的發展，電晶體的通道不

斷的微縮，電晶體可承受的電壓會越來越小，可能會逼近RRAM最大的操作電壓 – 形成電壓(Forming Voltage)，因此，如何降低形成電壓就會是一個重要的問題。本論文提出利用交流訊號進行Forming的步驟，使RRAM的Forming電壓下降，並且更進一步的設計出理想的操作波形，應用於嵌入式電阻式記憶體中。另一方面，由於嵌入式電阻式記憶體是RRAM串聯一電晶體，在Reset過程中，RRAM所獲得的電壓增加，造成電晶體的VGS減少，電晶體進入飽和區，使RRAM無法有效地增加操作窗口。因此，RRAM的操作窗口會受到電晶體的限制。除此之外，電晶體不只影響RRAM的操作窗口，也會影響RRAM的阻

態分部，因此，了解嵌入式電阻式記憶體操作過程中，RRAM與電晶體之間的關係，能夠有效降低嵌入式電阻式記憶體操作過程中電晶體的跨壓，就可以設計出低功耗/高性能嵌入式電阻式記憶體的架構。在氮化鎵高電子遷移率電晶體方面，考量安全因素元件的起始電壓須大於0，因此p-GaN HEMT因可達增強型(Enhancement-Mode, E-mode)為主要發展的元件，但是元件在關態時會產生嚴重的漏電流，故如何抑制元件漏電流是一重要議題。研究中發現p-GaN HEMT元件具有駝峰效應。分析其原因係在元件保護層中，因製程所產生的氫擴散至p-GaN層，進而產生次通道(Sub-channel)效應造成較大關態漏電。

另一方面，p-GaN HEMT閘極常見有Ni、Au和TiN等材料，不同材料間基本物理特性會影響元件的基本性能。然而，閘極金屬製程可能因為前驅物或電漿的轟擊，導致元件有前驅物殘留的污染、不平整的表面和較差的介面品質。此章節主要討論p-GaN HEMT漏電成因與不同閘極金屬製程對於之性能的影響。

Spark海量資料處理 技術詳解與平臺實戰

為了解決APEX 代儲的問題，作者范東來 這樣論述：

本書基於Spark發行版本2.4.4寫作而成，包含大量的實例與一個完整專案，層次分明，循序漸進。   全書分為3部分，涵蓋了技術理論與實戰，讀者可以從實戰中鞏固學習到的知識。第一部分主要圍繞BDAS（伯克利資料分析棧），不僅介紹了如何開發Spark應用的基礎內容，還介紹了Structured Streaming、Spark機器學習、Spark圖挖掘、Spark深度學習等高級主題，此外還介紹了Alluxio系統。第二部分實現了一個企業背景調查系統，比較新穎的是，該系統借鑒了資料湖與Lambda架構的思想，涵蓋了批次處理、流處理應用開發，並加入了一些開源元件來滿足需求，既是對本

書第一部分很好的鞏固，又完整呈現了一個即時大資料應用的開發過程。第三部分是對全書的總結和展望。 本書適合準備學習Spark的開發人員和資料分析師，以及準備將Spark應用到實際專案中的開發人員和管理人員閱讀，也適合電腦相關專業的高年級本科生和研究生學習和參考，對於具有一定的Spark使用經驗並想進一步提升的資料科學從業者也是很好的參考資料。

應用精實價值創新於自行車攜車架研發改善之研究-以B公司美規拖曳式攜車架為例

為了解決APEX 代儲的問題，作者蔡嘉融 這樣論述：

摘要...................................................iAbstract...................................................ii誌謝...............................................iii目錄...................................................iv表目錄...................................................vi圖目錄..................

.................................vii第一章 緒論...................................................11.1研究背景與動機...................................................11.2研究目的...................................................21.3研究方法...................................................31.4研究流程...................

................................3第二章 文獻探討...................................................52.1精實管理的緣起...................................................52.1.1精實生產之改善步驟...................................................72.1.3精實生產常用工具...................................................82.2精實管理的14項原則.

..................................................102.3精實在產業的應用...................................................122.3.1精實管理應用於建築業...................................................122.3.2精實管理應用於超商業...................................................122.3.3精實管理應用於金屬家俱製造..............................

........122.3.4精實管理應用於有機農業...........................................132.3.5精實管理與無線射頻辨識技術應用於倉儲作業.................132.3.6精實管理應用於供應鏈管理.....................................132.4攜車架種類現況...................................................142.4.1歐規拖鉤系統(Tow hitch)..........................................16

2.4.2美規方口連結系統(Receiver hitch)...............................17第三章 研究方法...................................................193.1精實管理的定義...................................................193.2精實的內涵...................................................203.2.1定義價值............................................

.......213.2.2價值溪流...................................................223.2.3暢流...................................................223.2.4後拉...................................................223.2.5完善...................................................223.2.6戴明PDCA管理....................................

...............233.3精實價值創新模式...................................................24第四章 精實價值創新-以美規拖曳式攜車架為例........................254.1個案公司簡介...................................................254.2個案研究–美規拖曳式自行車攜車架固定機構之改善.......................264.2.1美規拖曳式自行車攜車架固定機構現況調查.......................264.3定義美規拖曳

式攜車架防震止搖機構價值.......................274.4傳統美規拖曳攜車架防震止搖機構現況之應用分析.......................274.5美規拖曳式攜車架防震止搖機構未來應用分析.......................294.6美規拖曳式攜車架固定機構之設計暢流.......................304.6.1誘因需求..............................................304.6.2構思發想............................................304.6.3價值創

造後之產品製作............................................344.6.3.1 第一型攜車架固定座管防震止搖之機構說明....................344.6.3.2 第一型攜車架防震止搖之機構各零件介紹....................354.6.3.3 第一型攜車架防震止搖機構之組裝步驟....................364.6.3.4 第一型攜車架防震止搖機構實驗....................374.6.3.5 第一型攜車架固定座管防震止搖機構實驗數據....................374.6.

3.6 第二型攜車架固定座管防震止搖機構說明....................384.6.3.7 第二型攜車架防震止搖之機構各零件介紹....................384.6.3.8 第二型攜車架防震止搖機構之組裝步驟....................404.6.3.9 第二型攜車架防震止搖機構實驗....................404.6.3.10第二型攜車架防震止搖機構實驗數據....................414.7美規拖曳式攜車架防震止搖機構創新設計之後拉....................424.8美規拖曳式攜車架防震止搖機構創新設計

之完善....................434.8.1兩型攜車架防震止搖機構優缺點比較....................444.8.2第三型攜車架防震止搖機構說明....................454.8.2.1 第三型攜車架防震止搖之機構各零件介紹....................464.8.2.2 第三型攜車架防震止搖機構之組裝步驟....................474.9改善成果........................................49第五章 結論與未來研究方向................................

......515.1 結論............................................................515.2 未來研究方向.......................................................52參考文獻..............................................................53Extended Abstract........................................................56