《深度学习框架PyTorch入门与实践》内容简介

本书从多维数组Tensor开始，循序渐进地带领读者了解PyTorch各方面的基础知识，并结合基础知识和前沿研究，带领读者从零开始完成几个经典有趣的深度学习小项目，包括GAN生成动漫头像、AI滤镜、AI写诗等。本书没有简单机械地介绍各个函数接口的使用，而是尝试分门别类、循序渐进地向读者介绍PyTorch的知识，希望读者对PyTorch有一个完整的认识。
本书内容由浅入深，无论是深度学习的初学者，还是第一次接触PyTorch的研究人员，都能在学习本书的过程中快速掌握PyTorch。即使是有一定PyTorch使用经验的用户，也能够从本书中获得对PyTorch不一样的理解。
陈云，Python程序员、Linux爱好者和PyTorch源码贡献者。主要研究方向包括计算机视觉和机器学习。“2017知乎看山杯机器学习挑战赛”一等奖，“2017天池医疗AI大赛”第八名。热衷于推广PyTorch，并有丰富的使用经验，活跃于PyTorch论坛和知乎相关板块。

作品目录

前言
1、PyTorch简介
1.1、PyTorch的诞生
1.2、常见的深度学习框架简介
1.3、属于动态图的未来
1.4、为什么选择PyTorch
1.5、星火燎原
1.6、fast.ai放弃Keras+TensorFlow选择PyTorch
2、快速入门
2.1、安装与配置
2.2、PyTorch入门第一步
3、Tensor和autograd
3.1、Tensor
3.2、autograd
4、神经网络工具箱nn
4.1、nn.Module
4.2、常用的神经网络层
4.3、优化器
4.4、nn.functional
4.5、初始化策略
4.6、nn.Module深入分析
4.7、nn和autograd的关系
4.8、小试牛刀：用50行代码搭建ResNet
5、PyTorch中常用的工具
5.1、数据处理
5.2、计算机视觉工具包：torchvision
5.3、可视化工具
5.4、使用GPU加速：cuda
5.5、持久化
6、PyTorch实战指南
6.1、编程实战：猫和狗二分类
6.2、PyTorch
Debug指南
7、AI插画师：生成对抗网络
7.1、GAN的原理简介
7.2、用GAN生成动漫头像
7.3、实验结果分析
8、AI艺术家：神经网络风格迁移
8.1、风格迁移原理介绍
8.2、用PyTorch实现风格迁移
8.3、实验结果分析
9、AI诗人：用RNN写诗
9.1、自然语言处理的基础知识
9.2、CharRNN
9.3、用PyTorch实现CharRNN
9.4、实验结果分析
10、Image
Caption：让神经网络看图讲故事
10.1、图像描述介绍
10.2、数据
10.3、模型与训练
10.4、实验结果分析
11、展望与未来
11.1、PyTorch的局限与发展
11.2、使用建议