本書針對(duì)深度學(xué)習(xí)及開源框架——PyTorch，采用簡明的語言進(jìn)行知識(shí)的講解，注重實(shí)戰(zhàn)。全書分為4篇，共19章。深度學(xué)習(xí)基礎(chǔ)篇（第1章~第6章）包括PyTorch簡介與安裝、機(jī)器學(xué)習(xí)基礎(chǔ)與線性回歸、張量與數(shù)據(jù)類型、分類問題與多層感知器、多層感知器模型與模型訓(xùn)練、梯度下降法、反向傳播算法與內(nèi)置優(yōu)化器。計(jì)算機(jī)視覺篇（第7章~第14章）包括計(jì)算機(jī)視覺與卷積神經(jīng)網(wǎng)絡(luò)、卷積入門實(shí)例、圖像讀取與模型保存、多分類問題與卷積模型的優(yōu)化、遷移學(xué)習(xí)與數(shù)據(jù)增強(qiáng)、經(jīng)典網(wǎng)絡(luò)模型與特征提取、圖像定位基礎(chǔ)、圖像語義分割。自然語言處理和序列篇（第15章~第17章)包括文本分類與詞嵌入、循環(huán)神經(jīng)網(wǎng)絡(luò)與一維卷積神經(jīng)網(wǎng)絡(luò)、序列預(yù)測(cè)實(shí)例。生成對(duì)抗網(wǎng)絡(luò)和目標(biāo)檢測(cè)篇（第18章~第19章)包括生成對(duì)抗網(wǎng)絡(luò)、目標(biāo)檢測(cè)。
本書適合人工智能行業(yè)的軟件工程師、對(duì)人工智能感興趣的學(xué)生學(xué)習(xí)，同時(shí)也可作為深度學(xué)習(xí)的培訓(xùn)教程。