許多研究人員和實(shí)踐者發(fā)現(xiàn)它易于學(xué)習(xí)、使用、擴(kuò)展和調(diào)試。它是Python化的，對(duì)于以前使用過Python的開發(fā)人員來說，使用該庫和使用其他Python庫一樣。

● PyTorch具備2個(gè)特性，使得它與深度學(xué)習(xí)關(guān)聯(lián)緊密。

首先，它使用GPU加速計(jì)算，通常比在CPU上執(zhí)行相同的計(jì)算速度快50倍。其次，PyTorch提供了支持通用數(shù)學(xué)表達(dá)式數(shù)值優(yōu)化的工具，該工具用于訓(xùn)練深度學(xué)習(xí)模型。

● PyTorch設(shè)計(jì)的驅(qū)動(dòng)因素之一是表現(xiàn)力。

它允許開發(fā)人員實(shí)現(xiàn)復(fù)雜的模型，PyTorch可以說是最無縫地將深度學(xué)習(xí)領(lǐng)域的思想轉(zhuǎn)化為Python代碼的軟件之一。

總而言之，雖然很多深度學(xué)習(xí)工具都使用Python，但PyTorch 庫是真正具備Python風(fēng)格的。對(duì)于任何了解NumPy 和scikit-learn 等工具的人來說，上手PyTorch 輕而易舉。

PyTorch 在不犧牲高級(jí)特性的情況下簡化了深度學(xué)習(xí)，它非常適合構(gòu)建快速模型，并且可以平穩(wěn)地從個(gè)人應(yīng)用擴(kuò)展到企業(yè)級(jí)應(yīng)用。

并且，像蘋果、Facebook和摩根大通這樣的公司都使用PyTorch，所以當(dāng)你掌握了PyTorth，就會(huì)擁有更多的職業(yè)選擇。

而本書是教你使用 PyTorch 創(chuàng)建神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)系統(tǒng)的實(shí)用指南，所以說，你不選選擇它作為入門深度學(xué)習(xí)的參考書籍，還能選擇誰？

— 02—

理論與實(shí)戰(zhàn)并重，講解方式新穎有效！

這本書指導(dǎo)讀者使用Python和PyTorch實(shí)現(xiàn)深度學(xué)習(xí)算法，主要提供了以下讓深度學(xué)習(xí)愛好者特別感興趣的內(nèi)容：

（1）訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)；

（2）實(shí)現(xiàn)模塊和損失函數(shù)；

（3）使用 PyTorch Hub 預(yù)先訓(xùn)練的模型；

（4）探索在 Jupyter Notebooks 中編寫示例代碼。

當(dāng)然，其書名中的“實(shí)戰(zhàn)”二字也是名副其實(shí)的。全書通過模擬近乎真實(shí)的場(chǎng)景，從場(chǎng)景描述開始，逐步對(duì)問題進(jìn)行剖析，然后利用PyTorch解決問題。

閱讀本書，讀者不僅能夠全面掌握PyTorch相關(guān)的API的使用方法以及系統(tǒng)掌握深度學(xué)習(xí)的理論和方法，而且能夠輕松學(xué)會(huì)使用PyTorch實(shí)現(xiàn)各種神經(jīng)網(wǎng)絡(luò)模型來解決具體的深度學(xué)習(xí)問題。

例如，在書中，我們將首先學(xué)習(xí)PyTorch的核心知識(shí)，然后體驗(yàn)一個(gè)真實(shí)的案例研究項(xiàng)目：構(gòu)建能夠使用CT掃描檢測(cè)惡性肺腫瘤的算法。

我們將學(xué)習(xí)用有限的輸入訓(xùn)練網(wǎng)絡(luò)，并處理數(shù)據(jù)，以獲得一些結(jié)果。

我們將篩選出不可靠的初始結(jié)果，并專注于診斷和修復(fù)神經(jīng)網(wǎng)絡(luò)中的問題。

最后，我們將研究通過增強(qiáng)數(shù)據(jù)訓(xùn)練、改進(jìn)模型體系結(jié)構(gòu)和執(zhí)行其他微調(diào)來改進(jìn)結(jié)果的方法。

通過這個(gè)真實(shí)的案例，我們會(huì)發(fā)現(xiàn)PyTorch是多么有效和有趣，并掌握在生產(chǎn)中部署PyTorch模型的技能。

并且，這本書不是直接給出解決問題的完整代碼，而是在場(chǎng)景描述、問題分析、技術(shù)選型等方面給予更多的篇幅。

書中的代碼示例也有很好的注釋，提供了每個(gè)部分功能的關(guān)鍵解釋。對(duì)于那些只想瀏覽代碼而不需要逐行查看的人來說，這是一個(gè)非常有用的附加功能。這種方式更能幫助讀者真正深入地掌握相關(guān)技術(shù)的要領(lǐng)，正所謂“授人以魚，不如授人以漁”。

此外，令很多國外的程序員稱贊的是這本書對(duì)Python深度學(xué)習(xí)的實(shí)用方法的講解。

這本書在教我們?cè)谑謩?dòng)創(chuàng)建深度神經(jīng)網(wǎng)絡(luò)之前，就提前介紹了一個(gè)可以集成到應(yīng)用程序中的預(yù)訓(xùn)練深度學(xué)習(xí)模型庫TorchVision。

因此，我們?cè)趧?chuàng)建自己的模型之前，就可以學(xué)習(xí)如何使用其他人已經(jīng)經(jīng)歷過痛苦的東西來創(chuàng)建，這是深度學(xué)習(xí)領(lǐng)域的常見做法。事實(shí)上，我們還可以利用一個(gè)預(yù)先訓(xùn)練好的生成對(duì)抗網(wǎng)絡(luò)，把一匹馬變成一匹斑馬。

這種講解方式，讓我們輕松實(shí)戰(zhàn)，學(xué)習(xí)成就感十足！

— 03 —

三位大有來頭的作者是這本書質(zhì)量的堅(jiān)實(shí)保障！

給這本聲名遠(yuǎn)揚(yáng)的書籍增光添彩的三位作者，皆大有來頭。

《PyTorch深度學(xué)習(xí)實(shí)戰(zhàn)》由Eli Stevens、Luca Antiga和Thomas Viehmann合著而成，這三位工程師曾為PyTorch項(xiàng)目做出過貢獻(xiàn)，并擁有開發(fā)深度學(xué)習(xí)解決方案的豐富經(jīng)驗(yàn)。

●Eli Stevens

Eli Stevens職業(yè)生涯的大部分時(shí)間都在美國硅谷的初創(chuàng)公司工作，從軟件工程師(網(wǎng)絡(luò)設(shè)備制造業(yè))到首席技術(shù)官(開發(fā)腫瘤放療軟件)。在英文原版書籍出版時(shí)，他正在汽車自動(dòng)駕駛行業(yè)從事機(jī)器學(xué)習(xí)相關(guān)工作。

●Luca Antiga

21世紀(jì)初，Luca Antiga擔(dān)任生物醫(yī)學(xué)工程研究員。2010年到2020年間，他是一家人工智能工程公司的聯(lián)合創(chuàng)始人和首席技術(shù)官。

他參與了多個(gè)開源項(xiàng)目，包括PyTorch的核心模塊。最近，他作為聯(lián)合創(chuàng)始人創(chuàng)建了一家總部位于美國的初創(chuàng)公司，專注于數(shù)據(jù)定義軟件的基礎(chǔ)設(shè)施。

●Thomas Viehmann

Thomas Viehmann是一名德國慕尼黑的機(jī)器學(xué)習(xí)和PyTorch的專業(yè)培訓(xùn)師和顧問，也是PyTorch核心開發(fā)人員。擁有數(shù)學(xué)博士學(xué)位的他不畏懼理論，擅長將理論應(yīng)用于實(shí)際的計(jì)算挑戰(zhàn)。

當(dāng)PyTorch的第1個(gè)版本在2017年1月18日發(fā)布時(shí)，三位作者都非常興奮。

Luca Antiga從那時(shí)開始成為PyTorch的核心貢獻(xiàn)者。而Eli Stevens很早就成為PyTorch社區(qū)的一員，負(fù)責(zé)提交一些錯(cuò)誤修復(fù)文檔， 實(shí)現(xiàn)新特性或?qū)ξ臋n進(jìn)行更新。Thomas為PyTorch貢獻(xiàn)了大量的特性，修復(fù)了很多錯(cuò)誤，并最終成為一名獨(dú)立的核心貢獻(xiàn)者。

在組織了幾次PyTorch研討會(huì)之后，三位作者便決定寫一本書。于是，《PyTorch深度學(xué)習(xí)實(shí)戰(zhàn)》應(yīng)運(yùn)而生。

他們寫這本書的目的是為大家介紹PyTorch深度學(xué)習(xí)的基礎(chǔ)知識(shí)，并以一個(gè)實(shí)際項(xiàng)目來展示。他們力圖介紹深度學(xué)習(xí)底層的核心思想，并向讀者展示PyTorch如何將其實(shí)現(xiàn)。

在這本書中，他們?cè)噲D提供直觀印象以幫助大家進(jìn)一步探索， 同時(shí)，他們選擇性地深入細(xì)節(jié)，以解剖其背后的奧妙。

這本書的創(chuàng)作目標(biāo)用作者原話描述便是：“寫一本能夠吸引曾經(jīng)的自己(剛開始學(xué)習(xí)PyTorch深度學(xué)習(xí)時(shí)的我們)的書。”

由此可見，《PyTorch深度學(xué)習(xí)實(shí)戰(zhàn)》是一本特別適合深度學(xué)習(xí)初學(xué)者入門的書籍！

— 04 —

國內(nèi)外讀者好評(píng)如潮！

一本書值不值得我們學(xué)習(xí)，看讀者評(píng)價(jià)就對(duì)了。

而《PyTorch深度學(xué)習(xí)實(shí)戰(zhàn)》也不負(fù)眾望，全文干貨滿滿，收到了無數(shù)讀者點(diǎn)贊！

你可以看看下面的亞馬遜讀者和豆瓣讀者評(píng)論：

生命不息，學(xué)習(xí)不止，快去拿起這本上手PyTorch的不二之選——《PyTorch深度學(xué)習(xí)實(shí)戰(zhàn)》，學(xué)習(xí)深度學(xué)習(xí)吧！

《PyTorch深度學(xué)習(xí)實(shí)戰(zhàn)》

作者：[美]Eli Stevens ,[意]Luca Antiga ,[德]Thomas Viehmann

譯者：牟大恩

本書主要內(nèi)容：（1）訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)；（2）實(shí)現(xiàn)模塊和損失函數(shù)；（3）使用 PyTorch Hub 預(yù)先訓(xùn)練的模型；（4）探索在 Jupyter Notebooks 中編寫示例代碼。本書適用于對(duì)深度學(xué)習(xí)感興趣的 Python 程序員。了解深度學(xué)習(xí)的基礎(chǔ)知識(shí)對(duì)閱讀本書有一定的幫助，但讀者無須具有使用 PyTorch 或其他深度學(xué)習(xí)框架的經(jīng)驗(yàn)。

審核編輯 ：李倩