PYTORCH深度学习入门

文章阅读量10万+的作者倾力打造的一份超简单PyTorch入门教程，适合所有想要了解深度学习和PyTorch的人群。

更适合小白的思路与讲解方式：从硬件挑选、系统配置开始，图文并茂，手把手教你搭建神经网络。

内容涵盖图片识别、文本翻译、强化学习、生成对抗网络等流行的深度学习应用。

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前很流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

曾芃壹，现为中山大学数据科学与计算机学院在读硕士，主要研究兴趣有深度学习、语音识别、推荐系统、自动犯罪侦查等。熟悉C、C++、Java、Python等多种程序设计语言、Flask建站技术以及PyTorch、TensorFlow深度学习框架，在简书上写了多篇PyTorch的文章，深受读者欢迎。

第 一部分  基础篇
第  1章 准备工作  2
1.1  硬件配置  2
1.2  在Mac OS X系统下配置PyTorch运行环境  6
1.3  在Ubuntu系统下配置PyTorch运行环境  8
1.4  在Windows系统下配置PyTorch运行环境  14
第  2章 Tensor基础  17
2.1  Tensor  17
2.2  Autograd  30
第3章  深度学习基础  35
3.1  机器学习  35
3.2  线性回归  38
3.3  非线性回归  53
3.4  逻辑回归  58
3.5  多元分类  66
3.6  反向传播  70
3.7  卷积神经网络  72
3.8  手写字体识别  78
3.9  fastai手写字体识别  86
第二部分  实战篇
第4章  迁移学习  90
4.1  经典图像模型  90
4.2  迁移学习实战  100
4.3  使用fastai实现迁移学习  109
第5章  序列转序列模型  111
5.1  循环神经网络模型  111
5.2  神经翻译机简介  119
5.3  利用PyTorch构造神经翻译机  122
第6章  生成对抗网络  138
6.1  生成对抗网络概览  138
6.2  使用生成对抗网络生成二次元头像  142
6.3  使用TorchGAN生成二次元头像  149
第7章  深度强化学习  153
7.1  深度强化学习  153
7.2  基于策略的算法  155
7.3  基于值的算法  157
7.4  Gym简介  161
7.5  Q-Learning实战  163
第8章  风格迁移  168
8.1  风格迁移原理  168
8.2  风格迁移实践  174
第三部分  不错篇
第9章  PyTorch扩展  184
9.1  自定义神经网络层  184
9.2  C++加载PyTorch模型  189
第  10章 PyTorch模型迁移  193
10.1  ONNX简介  193
10.2  使用ONNX将PyTorch模型迁移至Caffe2  196
10.3  使用ONNX将PyTorch模型迁移至Core  ML  199
第  11章 PyTorch可视化  201
11.1  使用visdom实现PyTorch可视化  201
11.2  使用TensorBoard实现PyTorch可视化  213
11.3  使用Netron显示模型  221
第  12章 PyTorch的并行计算  223
12.1  多进程  223
12.2  多GPU并行计算  231

目前 PyTorch 发展迅猛，已经成为众多研究人员和开发者的深度学习优选框架。本书涵盖了深度学习的基础理论、多个不同应用场景的实战及生产环境下的一些技巧，理论与实战相结合，深入浅出，是深度学习初学者的不错选择。
—— 张海超，NLP 算法工程师


学习的意义在于学以致用，这是一本贴近实战、简单易懂的深度学习入门书，如果你想快速入门深度学习，应该从本书开始。
—— 赵丹，腾讯不错工程师


机器学习作为时下比较热门的技术之一，已经被广泛运用于各个领域。这本书不仅系统讲解了机器学习框架 PyTorch 的用法，还介绍了一些常用机器学习算法的原理，文字简练清晰，代码浅显易懂，几乎可以做到“开箱即用”。无论你只是想简单了解机器学习还是想深入学习 PyTorch，这本书都很好值得阅读。
—— 邹方达，Web 前端工程师