Python深度学习：基于PyTorch

　　这是一本基于新的Python和PyTorch版本的深度学习著作，旨在帮助读者低门槛进入深度学习领域，轻松速掌握深度学习的理论知识和实践方法，快速实现从入门到进阶的转变。 \n本书是多位人工智能技术专家和大数据技术专家多年工作经验的结晶，从工具使用、技术原理、算法设计、案例实现等多个维度对深度学习进行了系统的讲解。内容选择上，广泛涉猎、重点突出、注重实战；内容安排上，实例切入、由浅入深、循序渐进；表达形式上，深度抽象、化繁为简、用图说话。 \n本书共16章，分为三部分： \n第一部分（第1~4章） PyTorch基础 \n首先讲解了机器学习和数据科学中必然会用到的工具Numpy的使用，然后从多个角度讲解了Pytorch的必备基础知识，最后详细讲解了Pytorch的神经网络工具箱和数据处理工具箱。 \n第二部分（第5~8章） 深度学习基础 \n这部分从技术原理、算法设计、实践技巧等维度讲解了机器学习和深度学习的经典理理论、算法以及提升深度学习模型性能的多种技巧，涵盖视觉处理、NLP和生成式深度学习等主题。 \n第三部分（第9~16章） 深度学习实践 \n这部分从工程实践的角度讲解了深度学习的工程方法和在一些热门领域的实践方案，具体包括人脸识别、图像修复、图像增强、风格迁移、中英文互译、生成式对抗网络、对抗攻击、强化学习、深度强化学习等内容。

暂缺《Python深度学习：基于PyTorch》作者简介

前言

\n

第一部分　PyTorch基础

\n

第1章　Numpy基础2

\n

第2章　PyTorch基础21

\n

第3章　PyTorch神经网络工具箱49

\n

第4章　PyTorch数据处理工具箱63

\n

第二部分　深度学习基础

\n

第5章　机器学习基础76

\n

第6章　视觉处理基础105

\n

第7章　自然语言处理基础138

\n

第8章　生成式深度学习167

\n

第三部分　深度学习实践

\n

第9章　人脸检测与识别188

\n

第10章　迁移学习实例203

\n

第11章　神经网络机器翻译实例218

\n

第12章　实战生成式模型238

\n

第13章　Caffe2模型迁移实例263

\n

第14章　AI新方向：对抗攻击269

\n

第15章　强化学习278

\n

第16章　深度强化学习288

\n

附录A　PyTorch0.4版本变更296

\n

附录B　AI在各行业的最新应用301