乾明 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

“为了帮助开发者使用PyTorch，我们正在制作‘Deep Learning with PyTorch’一书”。

刚刚，PyTorh在官方Twitter上放出这一消息，并宣布这本书将免费提供给社区。

线上书籍传送门：

https://www.manning.com/books/deep-learning-with-pytorch#toc

下载地址：https://pytorch.org/deep-learning-with-pytorch-thank-you

根据出版商Manning出版社的介绍，这本书的核心，是教你如何使用Python 和 PyTorch 实现深度学习算法。

所以出版商介绍称，想要更好的消化这本书，需要对Python知识和基本线性代数有了解，对深度学习有一些理解更好，但并不需要你具备使用PyTorch或其他深度学习框架的经验。

在多位业内人士看来，这本书的优点是易上手。

有人评价说，这本书用平易近人的方式，介绍了非常专业的主题。也有人评价说，它是机器学习领域最容易上手的书之一。

书中都讲了啥？

从Manning出版社的介绍页面来看，这本书一共分为两大部分，13个章节。

第一部分内容主要是理论，名为PyTorch核心。

简单介绍深度学习领域后，开始探索使用预训练网络，然后提升使用张量的技能。

包括如何使用张量表示最常见的数据类型，以及如何从头开始构建和训练神经网络（重点是图像和序列）。

目录如下：

1、介绍深度学习和PyTorch库

2、预训练网络

3、从一个张量开始

4、使用张量表示真实世界数据

5、学习的机制

6、使用神经网络拟合我们的数据

7、从飞机上辨别鸟类——从图像中学习

8、使用卷积函数进行泛化

第二部分主要讲实战，名为“从现实世界的图像中学习：肺癌的早期检测”。

在这部分将会上手实操，使用在有限的输入下训练神经网络的方法，去处理数据得到一些结果。

然后筛选不可靠的初始结果，并聚焦在如何诊断和修复神经网络中的问题上。

最后，将了解如何使用增强数据进行训练、改进模型，以及通过微调来改进模型结果。

目录如下：

9、使用PyTorch对抗癌症

10、预备，数据集，走起！

11、分类疑似肿瘤

12、监控指标：精确度、召回率和精美的图表

13、利用分割技术来发现可疑肿瘤

谁写的这本书？

这本书的作者一共有两位：Eli Stevens和Luca Antiga。

Eli Stevens，是一名软件工程师，已经在硅谷工作了15年。过去7年中，他在一家开发医疗设备软件的创业公司担任CTO。

Luca Antiga，是一家AI创业公司的联合创始人兼CEO，也是PyToch社区定期撰稿人。

下图是他们两位（左：Luca Antiga；右：Eli Stevenson）和这本书的编辑Frances Lefkowitz。