前言

在人工智能时代，机器学习技术日新月异，深度学习是机器学习领域中一个全新的研究方向和应用热点，它是机器学习的一种，也是实现人工智能的必由之路。深度学习的出现不仅推动了机器学习的发展，还促进了人工智能技术的革新，已经被成功应用在语音识别、图像分类识别、地球物理等领域，具有巨大的发展潜力和价值。

PyTorch作为深度学习的重要框架，近年来备受读者喜爱，自推出后得到了广泛的应用，无论是工业界还是工程研究人员，使用PyTorch进行深度学习的研究和开发已经成为主流。本书是笔者使用PyTorch进行深度学习开发和学习的成果，其中循序渐进地介绍了PyTorch进行深度学习开发的重要概念、术语，对于PyTorch在数值建模、图像建模、文本建模、音频建模、模型可视化领域的应用进行了深入浅出的探索，同时扩展性地介绍了新兴的联邦学习知识等。各章除了讲述深度学习的理论知识与应用技术外，还精选了20个研究实例，目的在于帮助读者在学习PyTorch的过程中快速领悟其原理。

本书理论兼顾实践，易于理解且可操作性强，作为初学者或者正在学习PyTorch进行深度学习的大学生、研究生或开发人员，本书可作为快速上手PyTorch的指南。

本书内容

本书共10章，各章内容概述如下：

第1章搭建深度学习环境，内容包括深度学习概述、搭建开发环境以及一个简单的案例。

第2章介绍深度学习的数学基础，包括函数、微分、数理统计、矩阵等基础及其案例。

第3章介绍PyTorch的基本概念，包括张量的创建、激活函数、损失函数、优化器等。

第4章介绍PyTorch深度神经网络，包括神经网络概述、卷积神经网络、循环神经网络。

第5章介绍PyTorch数值建模，包括回归分析、聚类分析、主成分分析、模型评估与调优。

第6章介绍PyTorch图像建模，包括图像分类技术、图像识别技术、图像分割技术及案例。

第7章介绍PyTorch文本建模，包括Word2vec、Seq2Seq、Attention模型及其案例。

第8章介绍PyTorch音频建模，包括音频处理及应用、音频特征提取、音频建模案例。

第9章介绍PyTorch模型可视化，包括Visdom、TensorBoard、Pytorchviz、Netron。

第10章介绍联邦学习的算法原理、主要类型、研究现状等，通过案例介绍其建模流程。

本书的特色

本书是一本综合讲述深度学习和PyTorch框架的入门书，从数学知识和基本概念入手讲解，语言通俗，图文并茂，非常易于理解。

全书共20个案例，基本上每一种模型都先讲解基础知识，再配合实操案例，理论兼备实操，有助于读者快速理解。

所有程序示例都进行了详细说明，同时在讲解程序示例时辅以练习题。全书程序示例都免费提供完整的源代码，读者可以参照程序直接上机实践与练习。

本书的内容也较为丰富，涉及深度神经网络、数值建模、图像建模、文本建模、音频建模、模型可视化等内容，有助于读者在学习PyTorch框架的基础上广泛了解深度学习在多个领域的应用。

本书使用当前新版Python 3.10和PyTorch 1.10版本编写，旨在使读者了解新版本的新特性。

配书资源

（1）源码下载

本书提供了超过4GB的源码，方便读者上机练习，扫描以下二维码即可下载：

（2）PPT课件

本书还提供了精心制作的PPT课件，便于读者巩固所学知识，同时方便有教学需求的读者使用，扫描以下二维码即可下载： +g8CFZzxRCOfUqGzBL/Kot9vqGMppUj6cLJf6G8d63eLdcmd7gCjWuVshnc3pTst