Deep Learning with PyTorch

This book is for machine learning engineers, data analysts, data scientists interested in deep learning and are looking to explore implementing advanced algorithms in PyTorch. Some knowledge of machine learning is helpful but not a mandatory need. Working knowledge of Python programming is expected.

这是一本深度学习和人工智能领域的经典著作，面向对深度学习和PyTorch感兴趣的专业人士、数据科学家和机器学习工程师。本书以PyTorch为工具，深入浅出地介绍了深度学习的原理、方法和应用，包括人工智能的定义与任务、深度学习的应用、神经网络的功能块理解、三种数据集的划分方法、过拟合和欠拟合现象、机器学习模型评估方法与技术等核心内容。 在书中，作者首先介绍了人工智能的定义与任务，探讨了深度学习的应用，包括图像识别、自然语言处理以及语音识别等领域。接着，作者深入讲解了神经网络的功能块理解，包括输入层、隐藏层和输出层的划分，张量、变量、autograd、梯度和优化器的概念，以及数据加载和处理工具的使用。 此外，本书还详细介绍了三种数据集的划分方法，包括训练集、验证集和测试集的概念，以及如何在训练过程中避免过拟合和欠拟合现象。同时，作者还深入讲解了机器学习模型评估方法与技术，包括如何评估模型的性能，以及如何解决过拟合和欠拟合的问题。 在讲解深度学习模型时，作者从从 scratch 构建CNN模型开始，逐步深入到使用VGG16模型进行分类，再到使用预训练模型和RNNs及其变体进行文本分类和