前言

随着AlphaGo以3：1的成绩战胜李世石，人们对人工智能的热情如井喷式增长，你也许对人工智能充满兴趣，向往着了解机器学习，特别是深度学习，那么本书恰好能够由浅及深地带你进入深度学习这个世界。

讲深度学习的书有很多，深度学习的框架也有很多，本书将以PyTorch为工具从基础的线性回归开始，讲到时下最前沿的生成对抗网络，并在其中穿插PyTorch的教学，所以本书不仅仅是深度学习的入门指南，同时也是PyTorch的入门教程。

本书针对的对象是对深度学习有所了解、用过一些深度学习框架（如使用TensorFlow跑过简单的模型），但是希望能够用PyTorch进行深度学习研究和学习的入门者。阅读本书并不需要太多的数学基础，但是需要一定的Python基础。本书中的数学推导不多，感觉困难的读者可以跳过，这对理解全书的主要内容不会造成影响。

本书的主要内容包括：

第1章，深度学习介绍；

第2章，深度学习框架；

第3章，多层全连接神经网络；第4章，卷积神经网络；

第5章，循环神经网络；

第6章，生成对抗网络；

第7章，深度学习实战。

建议读者按照本书的内容顺序学习，因为后面的内容会以前面的内容为基础，另外本书的全部代码放在了https://github.com/SherlockLiao/code-of-learn-deep-learning-withpytorch中，读者可以前往下载。

本书面向的对象是初学者，学习完本书之后，读者能够大致了解深度学习的基本知识，基本掌握PyTorch的使用方法，知道如何根据实际问题搭建对应的深层网络结构，并能够进行调参得到较好的结果。当然本书只是一本入门读物，如果希望以后从事该领域的研究，仅靠此书是不够的，需要阅读更多专业的书籍和学术论文。

在本书的创作过程离不开很多人对我的帮助，书中的一部分内容参考了李飞飞教授在斯坦福大学开设的课程cs231n，以及台湾国立大学教授李宏毅开始的MLDS，除此之外还参考了网络上的一些图例，因为大多找不到出处，所以无法一一列出进行感谢。

除此之外，还感谢在写书的过程中我的家人对我的鼓励和信任，正是他们的支持让我能够坚持写完整本书。

最后，感谢电子工业出版社给我这次机会让我能够出版此书，同时也感谢孙学瑛编辑全程对我的帮助。

由于本人水平有限，书中存在的纰漏，欢迎大家向我指出，我也很高兴收到大家的意见和建议，不胜感激。

廖星宇
中国科学技术大学数学系
E-mail：sherlockliao01@gmail.com

读者服务

轻松注册成为博文视点社区用户（www.broadview.com.cn），扫码直达本书页面。

• 下载资源：本书如提供示例代码及资源文件，均可在下载资源处下载。
• 提交勘误：您对书中内容的修改意见可在提交勘误处提交，若被采纳，将获赠博文视点社区积分（在您购买电子书时，积分可用来抵扣相应金额）。
• 交流互动：在页面下方读者评论处留下您的疑问或观点，与我们和其他读者一同学习交流。

页面入口：http://www.broadview.com.cn/32620 DAO9uDfI6VAERwdXXw/XD+8a7AH5IFq3CkBjBXS5Psszd+q5fF2baW1vnhAvJc5I