译者序

当下互联网行业飞速发展，快速的业务更新和产品迭代给系统开发技术和模式带来新的挑战。随着业务场景的日益丰富以及业务数据的积累和沉淀，多元化搜索、数据挖掘、自然语言处理、多媒体学习、语音处理、个性化推荐等已经成为当下互联网系统中所必备的技术体系。而在所有这些技术体系的背后，深度学习都发挥着巨大的作用，另外在日常开发过程中的应用也非常广泛。因此，深度学习俨然成为人工智能领域最热门的研究方向。

深度学习作为机器学习的一个分支，近年来得到了长足的发展。深度学习的概念源于人工神经网络的研究，本质上是包含多个隐藏层的多层感知器结构。神经网络是一个复杂的概念，既包含丰富的理论体系，也涉及大量的数学推导工作。如何高效理解和掌握神经网络是深度学习初学者所面临的一大挑战。为此，我们首先需要具备基本的思维模型，并理解神经网络的组成结构以及运行原理。接着，通过从零开始构建深度学习模型，来理解深度学习中各个核心组件的原理和运行效果。然后，有了前面的基础，进一步学习面向特定应用场景的卷积神经网络（CNN）以及循环神经网络（RNN）。最后，通过一款主流的深度学习开发框架来把所掌握的深度学习模型应用到系统开发过程中。这对掌握深度学习技术而言是一种合理的学习方法论。

本书正是基于上述方法论来对深度学习的方方面面展开讨论的，在内容上详细阐述了关于深度学习的以下核心主题。

理解深度学习的思维模型和基本原理，对理解神经网络所需的函数、导数、链式法则等基本概念进行讨论和推导，并分析神经网络的基本结构。
构建深度学习模型，从零开始构建一款能够运行的深度学习模型，并掌握损失函数、动量、学习率衰减、dropout 等核心组件。
构建 CNN 和 RNN，在原有深度学习模型的基础上结合具体业务场景，了解构建这两种典型神经网络的系统方法。
使用 PyTorch 实践神经网络，用 PyTorch 这款主流的深度学习开发框架来实现各种神经网络模型。

作者塞思 · 韦德曼是深度学习领域的资深专家，他善于通过简单明了的方式介绍复杂的概念。因此，这本书可以称作深度学习领域的综合性教程。无论从深度还是广度上，全书都对深度学习的概念和实践方法做了全面的介绍，这体现了作者对这些主题的独到见解，读完让人受益匪浅。这本书对知识体系的构建以及细节的把控也让人印象深刻，从基本概念出发，通过丰富而简洁的代码示例，给出这些概念的实现方案。行文上层层递进，娓娓道来，帮忙大家从入门走向精通。更为重要的是，本书不仅介绍了深度学习的各项功能特性，还提供了一系列面向实战的最佳实践，可以作为广大技术人员的开发指南。

由于时间仓促，译者的水平和经验有限，书中难免有欠妥和错误之处，恳请读者批评指正。

郑天民
2020 年 12 月于杭州钱江世纪城