基本信息
编辑推荐
1 作者本身也是从小白开始入门深度学习的，无论从书中内容，还是讲解思路，以及语言风格，均适合你从零开始进入深度学习这个充满魔力的世界。
2 实例简单而不简约，用到了生成对抗网络和注意力机制等目前相对前沿的深度学习技术。
3 虽然是一本入门教程，但是对原理的讲述也不含糊，清晰易懂，让读者能知其然且知其所以然。
内容简介
书籍
计算机书籍
《深度学习入门之PyTorch》深度学习如今已经成为科技领域最炙手可热的技术，在《深度学习入门之PyTorch》中，我们将帮助你入门深度学习。《深度学习入门之PyTorch》将从机器学习和深度学习的基础理论入手，从零开始学习 PyTorch，了解 PyTorch 基础，以及如何用 PyTorch 框架搭建模型。通过阅读《深度学习入门之PyTorch》，你将学到机器学习中的线性回归和 Logistic 回归、深度学习的优化方法、多层全连接神经网络、卷积神经网络、循环神经网络，以及生成对抗网络，最后通过实战了解深度学习前沿的研究成果，以及 PyTorch 在实际项目中的应用。《深度学习入门之PyTorch》将理论和代码相结合，帮助读者更好地入门深度学习，适合任何对深度学习感兴趣的人阅读。
计算机书籍
《深度学习入门之PyTorch》深度学习如今已经成为科技领域最炙手可热的技术，在《深度学习入门之PyTorch》中，我们将帮助你入门深度学习。《深度学习入门之PyTorch》将从机器学习和深度学习的基础理论入手，从零开始学习 PyTorch，了解 PyTorch 基础，以及如何用 PyTorch 框架搭建模型。通过阅读《深度学习入门之PyTorch》，你将学到机器学习中的线性回归和 Logistic 回归、深度学习的优化方法、多层全连接神经网络、卷积神经网络、循环神经网络，以及生成对抗网络，最后通过实战了解深度学习前沿的研究成果，以及 PyTorch 在实际项目中的应用。《深度学习入门之PyTorch》将理论和代码相结合，帮助读者更好地入门深度学习，适合任何对深度学习感兴趣的人阅读。
作译者
廖星宇，目前就读于中国科学技术大学应用数学系，获得国家一等奖学金。在个人博客、知乎等平台上发布多篇关于深度学习的文章，具有一定的阅读量和人气。
目录
第 1 章 深度学习介绍 1
1.1 人工智能 1
1.2 数据挖掘、机器学习与深度学习2
1.2.1 数据挖掘 3
1.2.2 机器学习 3
1.2.3 深度学习 4
1.3 学习资源与建议 8
第 2 章 深度学习框架 11
2.1 深度学习框架介绍 . 11
2.2 PyTorch 介绍. 13
2.2.1 什么是 PyTorch. 13
2.2.2 为何要使用 PyTorch 14
2.3 配置 PyTorch 深度学习环境 15
2.3.1 操作系统的选择. 15
2.3.2 Python 开发环境的安装 16
2.3.3 PyTorch 的安装. 18
第 3 章 多层全连接神经网络 24
3.1 热身：PyTorch 基础 24
3.1.1 Tensor（张量）. 24
3.1.2 Variable（变量）26
1.1 人工智能 1
1.2 数据挖掘、机器学习与深度学习2
1.2.1 数据挖掘 3
1.2.2 机器学习 3
1.2.3 深度学习 4
1.3 学习资源与建议 8
第 2 章 深度学习框架 11
2.1 深度学习框架介绍 . 11
2.2 PyTorch 介绍. 13
2.2.1 什么是 PyTorch. 13
2.2.2 为何要使用 PyTorch 14
2.3 配置 PyTorch 深度学习环境 15
2.3.1 操作系统的选择. 15
2.3.2 Python 开发环境的安装 16
2.3.3 PyTorch 的安装. 18
第 3 章 多层全连接神经网络 24
3.1 热身：PyTorch 基础 24
3.1.1 Tensor（张量）. 24
3.1.2 Variable（变量）26
前言
随着 AlphaGo 以 3:1 的成绩战胜李世石，人们对人工智能的热情如井喷式增长，你也许对人工智能充满兴趣，向往着了解机器学习，特别是深度学习，那么本书恰好能够由浅及深地带你进入深度学习这个世界。
讲深度学习的书有很多，深度学习的框架也有很多，本书将以 PyTorch 为工具从基础的线性回归开始，讲到时下最前沿的生成对抗网络，并在其中穿插 PyTorch 的教学，所以本书不仅仅是深度学习的入门指南，同时也是 PyTorch 的入门教程。
本书针对的对象是对深度学习有所了解、用过一些深度学习框架（如使用 Tensor?Flow 跑过简单的模型），但是希望能够用 PyTorch 进行深度学习研究和学习的入门者。阅读本书并不需要太多的数学基础，但是需要一定的 Python 基础。本书中的数学推导不多，感觉困难的读者可以跳过，这对理解全书的主要内容不会造成影响。
本书的主要内容包括：
第 1 章，深度学习介绍；
第 2 章，深度学习框架；
第 3 章，多层全连接神经网络；
第 4 章，卷积神经网络；
第 5 章，循环神经网络；
第 6 章，生成对抗网络；
第 7 章，深度学习实战。
建议读者按照本书的内容顺序学习，因为后面的内容会以前面的内容为基础，另外本书的全部代码放在了 https://github.com/SherlockLiao/code-of-learn-deep-learning-with?pytorch 中，读者可以前往下载。
本书面向的对象是初学者，学习完本书之后，读者能够大致了解深度学习的基本知识，基本掌握 PyTorch 的使用方法，知道如何根据实际问题搭建对应的深层网络结构，并能够进行调参得到较好的结果。当然本书只是一本入门读物，如果希望以后从事该领域的研究，仅靠此书是不够的，需要阅读更多专业的书籍和学术论文。
在本书的创作过程离不开很多人对我的帮助，书中的一部分内容参考了李飞飞教授在斯坦福大学开设的课程 cs231n，以及台湾国立大学教授李宏毅开始的 MLDS，除此之外还参考了网络上的一些图例，因为大多找不到出处，所以无法一一列出进行感谢。
除此之外，还感谢在写书的过程中我的家人对我的鼓励和信任，正是他们的支持让我能够坚持写完整本书。
最后，感谢电子工业出版社给我这次机会让我能够出版此书，同时也感谢孙学瑛编辑全程对我的帮助。
由于本人水平有限，书中存在的纰漏，欢迎大家向我指出，我也很高兴收到大家的意见和建议，不胜感激。
廖星宇
中国科学技术大学数学系
E-mail：sherlockliao01@gmail.com
讲深度学习的书有很多，深度学习的框架也有很多，本书将以 PyTorch 为工具从基础的线性回归开始，讲到时下最前沿的生成对抗网络，并在其中穿插 PyTorch 的教学，所以本书不仅仅是深度学习的入门指南，同时也是 PyTorch 的入门教程。
本书针对的对象是对深度学习有所了解、用过一些深度学习框架（如使用 Tensor?Flow 跑过简单的模型），但是希望能够用 PyTorch 进行深度学习研究和学习的入门者。阅读本书并不需要太多的数学基础，但是需要一定的 Python 基础。本书中的数学推导不多，感觉困难的读者可以跳过，这对理解全书的主要内容不会造成影响。
本书的主要内容包括：
第 1 章，深度学习介绍；
第 2 章，深度学习框架；
第 3 章，多层全连接神经网络；
第 4 章，卷积神经网络；
第 5 章，循环神经网络；
第 6 章，生成对抗网络；
第 7 章，深度学习实战。
建议读者按照本书的内容顺序学习，因为后面的内容会以前面的内容为基础，另外本书的全部代码放在了 https://github.com/SherlockLiao/code-of-learn-deep-learning-with?pytorch 中，读者可以前往下载。
本书面向的对象是初学者，学习完本书之后，读者能够大致了解深度学习的基本知识，基本掌握 PyTorch 的使用方法，知道如何根据实际问题搭建对应的深层网络结构，并能够进行调参得到较好的结果。当然本书只是一本入门读物，如果希望以后从事该领域的研究，仅靠此书是不够的，需要阅读更多专业的书籍和学术论文。
在本书的创作过程离不开很多人对我的帮助，书中的一部分内容参考了李飞飞教授在斯坦福大学开设的课程 cs231n，以及台湾国立大学教授李宏毅开始的 MLDS，除此之外还参考了网络上的一些图例，因为大多找不到出处，所以无法一一列出进行感谢。
除此之外，还感谢在写书的过程中我的家人对我的鼓励和信任，正是他们的支持让我能够坚持写完整本书。
最后，感谢电子工业出版社给我这次机会让我能够出版此书，同时也感谢孙学瑛编辑全程对我的帮助。
由于本人水平有限，书中存在的纰漏，欢迎大家向我指出，我也很高兴收到大家的意见和建议，不胜感激。
廖星宇
中国科学技术大学数学系
E-mail：sherlockliao01@gmail.com
