使用PyTorch进行深度学习
该仓库包含Eli Stevens、Luca Antiga和Thomas Viehmann编写的《使用PyTorch进行深度学习》一书的代码,出版方为Manning Publications。
本书的Manning网站链接为:https://www.manning.com/books/deep-learning-with-pytorch
本书也可在亚马逊上购买:https://amzn.to/38Iwrff(附属链接;根据规定:“作为亚马逊的会员,我从符合条件的购买中获得收入。”)
本书的勘误表可以在Manning网站上找到,或访问:https://deep-learning-with-pytorch.github.io/dlwpt-code/errata.html
关于《使用PyTorch进行深度学习》
本书旨在为使用PyTorch进行深度学习提供基础知识,并在实际项目中展示这些知识的应用。我们致力于提供深度学习的关键概念,并展示PyTorch如何将这些概念交到实践者手中。在本书中,我们努力提供支持进一步探索的直觉,同时选择性地深入细节,以展示幕后发生的事情。《使用PyTorch进行深度学习》并不打算成为一本参考书,而是一本概念上的伴侣书,让您可以独立探索更高级的在线材料。因此,我们专注于PyTorch提供的一部分功能。最显著的缺席是循环神经网络,但这对PyTorch API的其他部分也是如此。
适合阅读本书的读者
本书适合那些已经成为或希望成为深度学习实践者的开发者,特别是那些想熟悉PyTorch的人。我们设想的典型读者是计算机科学家、数据科学家或软件工程师,或相关专业的本科或研究生。由于我们不假设读者具有深度学习的先验知识,因此本书前半部分的一些内容可能会对有经验的实践者来说是已知概念的重复。对于这些读者,我们希望本书的解释能够为已知主题提供一个稍微不同的角度。 我们期望读者具备基本的命令式和面向对象编程知识。由于本书使用Python,您应该熟悉其语法和操作环境。知道如何在您选择的平台上安装Python包和运行脚本是一个先决条件。来自C++、Java、JavaScript、Ruby或其他类似语言的读者应该能够轻松掌握,但需要在本书之外进行一些补习。同样,熟悉NumPy会有所帮助,尽管不是严格要求的。我们还期望读者熟悉一些基本的线性代数知识,例如了解矩阵和向量是什么以及点积的概念。
关于作者
Eli Stevens的大部分职业生涯都在硅谷的初创公司工作,角色从软件工程师(开发企业网络设备)到首席技术官(开发放射肿瘤学软件)。在出版时,他正在无人驾驶汽车行业从事机器学习工作。
Luca Antiga在2000年代曾担任生物医学工程研究员,并在过去十年中担任AI工程公司联合创始人和首席技术官。他为多个开源项目做出了贡献,包括PyTorch核心。他最近联合创办了一家总部位于美国的初创公司,专注于数据定义软件的基础设施。
Thomas Viehmann是一名基于德国慕尼黑的机器学习和PyTorch专业培训师和顾问,同时也是PyTorch核心开发者。他拥有数学博士学位,不惧怕理论,但在将其应用于计算挑战时则非常务实。