《深度學習框架PyTorch：入門與實踐》從多維數組Tensor開始，循序漸進地帶領讀者瞭解PyTorch各方麵的基礎知識。結閤基礎知識和前沿研究，帶領讀者從零開始完成幾個經*有趣的深度學習小項目，包括GAN生成動漫頭像、AI濾鏡、AI寫詩等。《深度學習框架PyTorch：入門與實踐》沒有簡單機械地介紹各個函數接口的使用，而是嘗試分門彆類、循序漸進地嚮讀者介紹PyTorch的知識，希望讀者對PyTorch有一個完整的認識。

《深度學習框架PyTorch：入門與實踐》內容由淺入深，無論是深度學習的初學者，還是頭次接觸PyTorch的研究人員，都能在學習本書的過程中快速掌握PyTorch。即使是有一定PyTorch使用經驗的用戶，也能夠從本書中獲得對PyTorch不一樣的理解。

陳雲

Python程序員、Linux愛好者和PyTorch源碼貢獻者。主要研究方嚮包括計算機視覺和機器學習。“2017知乎看山杯機器學習挑戰賽”一等奬，“2017天池醫療AI大賽”第八名。 熱衷於推廣PyTorch，並有豐富的使用經驗，活躍於PyTorch論壇和知乎相關闆塊。

本書包含PyTorch基礎知識+實戰案例兩部分

提供notebook，方便讀者交互性學習

梳理PyTorch基礎知識及重點、難點

翔實的案例，案例包括Kaggle競賽中經*項目、GAN生成動漫頭像、AI濾鏡、RNN寫詩、圖像描述任務

配套源代碼文件供下載、讀者交流QQ群

1 PyTorch簡介

1.1 PyTorch的誕生 1

1.2 常見的深度學習框架簡介 2

1.2.1 Theano 3

1.2.2 TensorFlow 3

1.2.3 Keras 5

1.2.4 Caffe/Caffe2 5

1.2.5 MXNet 6

1.2.6 CNTK 7

1.2.7 其他框架 8

1.3 屬於動態圖的未來 8

1.4 為什麼選擇PyTorch 10

1.5 星火燎原 12

1.6 fast.ai 放棄Keras+TensorFlow選擇PyTorch 13

2 快速入門 16

2.1 安裝與配置 16

2.1.1 安裝PyTorch 16

2.1.2 學習環境配置 20

2.2 PyTorch入門第*步 30

2.2.1 Tensor 30

2.2.2 Autograd：自動微分 35

2.2.3 神經網絡 38

2.2.4 小試牛刀：CIFAR-10分類 43

3 Tensor和autograd 51

3.1 Tensor 51

3.1.1 基礎操作 52

3.1.2 Tensor和Numpy 70

3.1.3 內部結構 73

3.1.4 其他有關Tensor的話題 76

3.1.5 小試牛刀：綫性迴歸 78

3.2 autograd 81

3.2.1 Variable 82

3.2.2 計算圖 86

3.2.3 擴展autograd 95

3.2.4 小試牛刀：用Variable實現綫性迴歸 100

4 神經網絡工具箱nn 104

4.1 nn.Module 104

4.2 常用的神經網絡層 108

4.2.1 圖像相關層 108

4.2.2 激活函數 111

4.2.3 循環神經網絡層 115

4.2.4 損失函數 117

4.3 優化器 117

4.4 nn.functional 119

4.5 初始化策略 121

4.6 nn.Module深入分析 123

4.7 nn和autograd的關係 130

4.8 小試牛刀：用50行代碼搭建ResNet 131

5 PyTorch中常用的工具 136

5.1 數據處理 136

5.2 計算機視覺工具包：torchvision 148

5.3 可視化工具 150

5.3.1 Tensorboard 151

5.3.2 visdom 153

5.4 使用GPU加速：cuda 159

5.5 持久化 162

6 PyTorch實戰指南 165

6.1 編程實戰：貓和狗二分類 165

6.1.1 比賽介紹 166

6.1.2 文件組織架構 166

6.1.3 關於__init__.py 168

6.1.4 數據加載 168

6.1.5 模型定義 171

6.1.6 工具函數 172

6.1.7 配置文件 175

6.1.8 main.py 177

6.1.9 使用 185

6.1.10 爭議 186

6.2 PyTorch Debug 指南 188

6.2.1 ipdb 介紹 188

6.2.2 在PyTorch中Debug 192

7 AI插畫師：生成對抗網絡 198

7.1 GAN的原理簡介 199

7.2 用GAN生成動漫頭像 203

7.3 實驗結果分析 212

8 AI藝術傢：神經網絡風格遷移 216

8.1 風格遷移原理介紹 217

8.2 用PyTorch實現風格遷移 223

8.3 實驗結果分析 234

9 AI詩人：用RNN寫詩 238

9.1 自然語言處理的基礎知識 238

9.1.1 詞嚮量 239

9.1.2 RNN 241

9.2 CharRNN 244

9.3 用PyTorch實現CharRNN 247

9.4 實驗結果分析 258

10 Image Caption：讓神經網絡看圖講故事 261

10.1 圖像描述介紹 262

10.2 數據 263

10.2.1 數據介紹 263

10.2.2 圖像數據處理 271

10.2.3 數據加載 273

10.3 模型與訓練 276

10.4 實驗結果分析 281

11 展望與未來 283

11.1 PyTorch的局限與發展 283

11.2 使用建議 287