前言

为何撰写本书

笔者从事机器学习教育训练已届五年，其间也在“IT邦帮忙”撰写过上百篇的文章，从学员及读者的回馈获得许多宝贵意见，期望能将整个历程集结成册。同时，相关领域的进展也在飞速变化，过往的文章内容需要更新，因此借机再重整思绪，想一想如何能将算法的原理解释得更简易清晰，协助读者跨过AI的门槛。另外，也避免流于空谈，尽量增加应用范例，希望能达到即学即用，不要有过多理论的探讨。

AI是一个将数据转化为知识的过程，算法就是过程中的生产设备，最后产出物是模型，再将模型植入各种硬件装置，例如计算机、手机、智能音箱、自动驾驶、医疗诊断仪器等，这些装置就拥有特殊专长的智能，再进一步整合各项技术就构建出智能制造、智能金融、智能交通、智慧医疗、智能城市、智能家居等应用系统。AI的应用领域如此广阔，而个人精力有限，当然不可能具备十八般武艺，样样精通，唯有从基础扎根，再扩及有兴趣的领域。因此，笔者撰写本书的初衷非常单纯，就是希望在读者学习的过程中贡献一点微薄的力量。

PyTorch对比TensorFlow

深度学习的初学者常会问“应该选择PyTorch还是TensorFlow框架”，依笔者个人看法，PyTorch、TensorFlow好比倚天剑与屠龙刀，各有所长，两个框架的发展方向有所不同。例如，在侦测方面PyTorch比较容易，但用TensorFlow/Keras建模、训练、预测都只要一行程序。另外，对象侦测主流算法YOLO的第4版以TensorFlow开发，第5版以后则以PyTorch开发，若我们只懂TensorFlow，那就无法使用最新版了。

PyTorch与TensorFlow的基本设计概念是相通的，采用相同的学习路径，可以同时学习两个框架。本书主要讲解PyTorch开发，另一本《深度学习全书：公式+推导+代码+TensorFlow全程案例》则以TensorFlow为主，两本对照，可以发现要兼顾学习一点也不难，还可以比较彼此的优劣。

本书主要的特点

（1）由于笔者身为统计人，希望能 “以统计学 / 数学为出发点” ，介绍深度学习必备的数理基础，但又不希望内文有太多数学公式的推导，让离开校园已久的读者看到一堆数学符号就心生恐惧，因此，尝试 “以程序设计取代定理证明” ，缩短学习过程，增进学习乐趣。

（2）PyTorch版本迭代快速，几乎每一两个月就更新一个小版本，并且不断地推出新扩充模块，本书期望除对PyTorch主体架构做完整性的介绍外，也尽可能对最新的模块功能做深入探讨。

（3）各种算法介绍以理解为主，辅以大量图表说明，摒弃长篇大论。

（4）完整的范例程序及各种算法的延伸应用，以实用为目的，希望能触发读者灵感，能在项目或产品内应用。

（5）介绍日益普及的算法与相关套件的使用，例如YOLO(对象侦测)、GAN(生成对抗网络、DeepFake(深度伪造)、OCR(辨识图像中的文字)、脸部辨识、BERT/Transformer、聊天机器人(ChatBot)、强化学习(Reinforcement Learning)、自动语音识别(ASR)、知识图谱(Knowledge Graph)等。

目标对象

（1）深度学习的入门者：必须熟悉Python程序语言及机器学习基本概念。

（2）数据工程师：以应用系统开发为志向，希望能应用各种算法，进行实操。

（3）信息技术工作者：希望能扩展深度学习知识领域。

（4）从事其他领域的工作，希望能一窥深度学习奥秘者。

阅读重点

第1章介绍AI的发展趋势，鉴古知今，了解前两波AI失败的原因，比较第三波发展的差异性。

第2章介绍深度学习必备的统计学/数学基础，彻底理解神经网络求解的方法(梯度下降法)与原理。

第3章介绍PyTorch基础功能，包括张量(Tensor)运算、自动微分、神经层及神经网络模型。

第4章开始实操，依照机器学习10项流程，以PyTorch撰写完整的范例，包括各种损失函数、优化器、效能衡量指标。

第5章介绍PyTorch进阶功能，包括各种工具，如数据集(Dataset)、数据加载器(DataLoader)、前置处理、TensorBoard及TorchServe部署工具，包括Web、桌面程序。

第6~10章介绍图像/视频的算法及各种应用。

第11~14章介绍自然语言处理、语音及各种应用。

第15章介绍AlphaGo的基础—“强化学习”算法。

第16章介绍图神经网络(Graph Neural Network, GNN)。

本书范例程序代码及素材、参考资料请扫描下方二维码下载。

致谢

因作者水平有限，还是有许多议题成为遗珠之憾，仍待后续的努力。感谢清华大学出版社的大力支持，使本书得以顺利出版；谢谢家人的默默支持。

书中内容如有疏漏、谬误，欢迎来信指教(duy@tup.tsinghua.edu.cn)。

作者
2023年10月