本书介绍
这本书旨在讲解深度学习PyTorch相关的基础知识，并展示一些现实生活中实际项目。本书详细讲解深度学习相关的关键概念、算法和模型，并展示PyTorch是如何实现这些算法、概念和模型。在这本书里，我们试图提供一些启发，来促进进一步的探索，并且在这一过程中，我们有选择地深入细节来展示幕后正在发生的事情。《Deep Learning with PyTorch》并不试图成为一本参考书；相反，它是一个概念性的工具书，可以让读者独立探索和学习其他更高级的相关书籍。因此，本书将重点放在PyTorch提供的一些重要特性上。最明显的模型，比如递归神经网络，但是对于PyTorch API的其他部分也是如此。
文末付本书最新版免费pdf下载地址。
谁应该读这本书？
这本书是为那些正在或打算成为深度学习从业者并且想了解PyTorch平台的开发者准备的。本书主要目标读者是计算机科学家、数据科学家或软件工程师，或者是相关领域的本科生或研究生。本书不需要读者具备深度学习相关的先验知识，本书前半部分的一些内容可能对于学习过深度学习相关知识的读者来说稍显冗余，有经验的读者可以直接跳过。对于这些读者而言，本书希望能为他们提供一个稍微不同于已知主题的分析角度。本书希望读者具备命令行和面向对象编程的基本知识。因为这本书使用了Python，所以读者应该熟悉语法和操作环境。了解如何在选择的平台上安装Python包和运行脚本是基础能力。学习过C++、Java、JavaScript、Ruby或其他类似语言的读者应该很容易学会，但需要在本书之外做一些补充。同样，如果不是严格要求的话，熟悉NumPy也是有用的。此外，还希望熟悉一些基本的线性代数，比如知道什么是矩阵和向量，什么是点积。
本书目录
