深度学习原理与PyTorch实战（第2版）

本书是一本系统介绍深度学习技术及开源框架PyTorch的入门书。书中通过大量案例介绍了PyTorch的使用方法、神经网络的搭建、常用神经网络（如卷积神经网络、循环神经网络）的实现，以及实用的深度学习技术，包括迁移学习、对抗生成学习、深度强化学习、图神经网络等。读者通过阅读本书，可以学会构造一个图像识别器，生成逼真的图画，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。 第2版基于PyTorch 1.6.0，对全书代码进行了更新，同时增加了Transformer、BERT、图神经网络等热门深度学习技术的讲解，更具实用性和时效性。

这是一本系统介绍深度学习技术及开源框架PyTorch的入门书。书中通过大量案例介绍了PyTorch的使用方法、神经网络的搭建、常用神经网络(如卷积神经网络、循环神经网络)的实现，以及实用的深度学习技术，包括迁移学习、对抗生成学习、深度强化学习、图神经网络等。 本书首先介绍了深度学习的历史渊源，从人工神经网络的诞生到大数据时代的到来，再到深度神经网络的大规模应用，以及深度神经网络的特性，如特征学习和迁移学习。接着，书中详细介绍了PyTorch的核心特性，包括与Python的完美融合、支持张量计算和动态计算图技术。 书中还通过神经网络在共享单车预测中的应用，展示了神经网络模型在预测问题中的应用。同时，书中还介绍了神经网络分类器的基本原理，包括如何利用人工神经网络进行分类，以及词袋模型在文本分类中的应用。 在计算机视觉领域，书中通过卷积神经网络在计算机视觉中的应用，展示了卷积神经网络在图像分类任务中的优秀表现。此外，书中还介绍了神经网络在中文情绪分类中的应用，通过将文本数据转化为向量形式，利用训练好的神经网络模型来进行情绪分类。 在迁移学习方面，书中详细介绍了迁移学习的概念与发展，以