深度学习之PyTorch实战计算机视觉

计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向，本书旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python编程技能，掌握PyTorch的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。在掌握深度学习理论和编程技能之后，读者还会学到如何基于PyTorch深度学习框架实战计算机视觉。本书中的大量实例可让读者在循序渐进地学习的同时，不断地获得成就感。本书面向对深度学习技术感兴趣、但是相关基础知识较为薄弱或者零基础的读者。

这是一本深入浅出地介绍深度学习、计算机视觉和PyTorch框架的专业书籍。书中以人工智能、神经网络和计算机视觉为核心，详细讲解了深度学习的相关理论知识，包括监督学习和无监督学习，以及欠拟合和过拟合的处理方法。同时，书中还详细介绍了卷积神经网络，包括LeNet模型、AlexNet模型、VGGNet模型、GoogleNet模型和ResNet模型等。 在数学知识方面，书中讲解了矩阵运算和导数求解，为深度学习提供了必要的数学基础。在Python基础方面，书中讲解了Python编程语言的优势，包括简单易学、解释性语言、互动性语言和面向对象的语言等。在PyTorch基础方面，书中讲解了Tensor的使用、torch.nn包的应用以及模型搭建和参数优化等内容。 书中还详细介绍了迁移学习的概念与优势，包括迁移学习的定义、目的、数据集处理以及图像风格迁移技术原理等。同时，书中还介绍了多模型融合的定义和目的，包括多模型融合的定义、目的以及ResNet模型和LeNet模型等。