本記事では、PyTorchの勉強におすすめの参考書を紹介しています。
気になった参考書があれば、購入する前にAmazonの無料試し読みで内容を確認することをおすすめします。
表紙がイラストをたくさん使っているから、内容も初心者向けだろうと思い購入してみたら、図解での説明が少なく文字で埋め尽くされている参考書だった。。なんてこともありますので。
※無料試し読みができない参考書もあります。
IT・Web業界特化の転職サイト!
【マイナビIT AGENT】
【月額980円で読み放題!】
Amazon Kindle Unlimited

Contents
つくりながら学ぶ!PyTorchによる発展ディープラーニング
- 画像分類と転移学習(VGG)
- 物体認識(SSD)
- セマンティックセグメンテーション(PSPNet)
- 姿勢推定(OpenPose)
- GANによる画像生成(DCGAN、Self-Attention GAN)
- GANによる異常検知(AnoGAN、Efficient GAN)
- 自然言語処理による感情分析(Transformer)
- 自然言語処理による感情分析(BERT)
- 動画分類(3DCNN、ECO)
この本だけで画像分野、自然言語処理分野の作り方が合計8個載っていて、とてもボリューミーな上、著者によるエラーなどの質疑応答があるため、出版されてから3年たってもエラーに困らず作れるので、Pytorchの初心者にも基礎を終えた人にもおすすめです。以上のことから、この本は他の技術書よりも互換性があり、非常に有用です。
引用元:Amazonレビュー
この本の良いところは、この一冊で画像系、自然言語系のモデルを作る経験ができることだと思います。Pytorchの初心者くらいの人が、読み終わった頃には中級者レベルになるには十分な内容だと思いました。 自分はこの本を読む前は、モデルを作ったけど全然学習ができていないというレベルでしたが、この本を読んでコツを掴み、本で紹介されている以外のモデルでもちゃんとしたものが作れるようになりました。
引用元:Amazonレビュー
最短コースでわかる PyTorch &深層学習プログラミング
- ディープラーニングのためのPythonのツボ
- PyTorchの基本機能
- 初めての機械学習
- 予測関数の定義
- 線形回帰
- 2値分類
- 多値分類
- MNISTを使った数字認識
- CNNによる画像認識
- チューニング技法
- 事前学習済みモデルの利用
- カスタムデータの画像分類
Deep Learningの理論的な本を読んだ後で、実際にどのように使っていけば良いのか迷った時にお勧めです。
引用元:Amazonレビュー
コラムにちょっとした、説明とかコツとかも書いてあって、わかりやすかったです。 また、線形回帰や、手書き数字認識、画像認識から、ファインチューニングや転移学習までいろいろ試せておもしろかったです。 PyTorchを詳しく知りたい人だけでなく、どんなものかやってみようというような方にも、おすすめです。
引用元:Amazonレビュー
PyTorch実践入門: ディープラーニングの基礎から実装へ
- PyTorchの基礎
- ディープラーニングとPyTorchの概要
- 訓練済みモデルの利用方法
- PyTorchにおけるテンソルの扱い方
- さまざまなデータをPyTorchテンソルで表現する方法
- ディープラーニングの学習メカニズム
- ニューラルネットワーク入門
- 画像分類モデルの構築
- 畳み込み(Convolution)
- 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
- 肺がん早期発見プロジェクトの解説
- LUNAデータをPyTorchデータセットに変換
- 結節候補を画像分類するモデルの構築
- 評価指標とデータ拡張を用いたモデルの改善
- セグメンテーションを用いた結節の発見
- 結節・腫瘍解析システムの全体を構築
- デプロイメント(Deployment)
- 本番環境にモデルをデプロイする方法
この本はディープラーニングの原理の部分から説明をはじめ、フレームワークの有用性やコードの意味を詳細に解説しており、Deep Learningを実践するのに一番の近道になることは間違いないでしょう。個人的にはオライリーの「ゼロから作るDeep Learning」レベルに、Pytorchをきちんと扱うなら必読な書籍と感じました。
引用元:Amazonレビュー
自分はPyTorchは他の書籍やオンラインのチュートリアルなどで勉強していましたが、体系立てて基礎から学んだわけではなかったので、この本でテンソルの内部構造などが学べ非常に役に立っています。 まだ読み始めたばかりなのですが、これまで疑問に思っていてもなかなかネットで探してもを解を得られなかったのがこの本で得られすでに買ったよかったと思います。
引用元:Amazonレビュー