介紹深度學習與圖神經網絡相關的一繫列技術與實現方法；內容涵蓋PyTorch的使用、神經網絡的原理、神經網絡的基礎模型、圖神經網絡的原理、圖神經網絡的基礎模型；書中給出用PyTorch實現的網絡模型和算法實例代碼；提供本書源代碼下載

●第一篇 入門——PyTorch基礎
第1章 快速了解人工智能與PyTorch
1.1 圖神經網絡與深度學習
1.1.1 深度神經網絡
1.1.2 圖神經網絡
1.2 PyTorch是做什麼的
1.3 PyTorch的特點
1.4 PyTorch與TensorFlow各有所長
1.5 如何使用本書學好深度學習
第2章 搭建開發環境
2.1 下載及安裝Anaconda
2.1.1 下載Anaconda開發工具
2.1.2 安裝Anaconda開發工具
2.1.3 安裝Anaconda開發工具時的注意事項
2.2 安裝PyTorch
2.2.1 打開PyTorch官網
2.2.2 配置PyTorch安裝命令
2.2.3 使用配置好的命令安裝PyTorch
2.2.4 配置PyTorch的鏡像源
2.3 熟悉Anaconda 3的開發工具
2.3.1 快速了解Spyder
2.3.2 快速了解Jupyter Notebook
2.4 測試開發環境
第3章 PyTorch基本開發步驟——用邏輯回歸擬合二維數據
3.1 實例1：從一組看似混亂的數據中找出規律
3.1.1 準備數據
3.1.2 定義網絡模型
3.1.3 搭建網絡模型
3.1.4 訓練模型
3.1.5 可視化訓練結果
3.1.6 使用及評估模型
3.1.7 可視化模型
3.2 模型是如何訓練出來的
3.2.1 模型裡的內容及意義
3.2.2 模型內部數據流向
3.3 總結
第4章 快速上手PyTorch
4.1 神經網絡中的幾個基本數據類型
4.2 張量類的基礎
4.2.1 定義張量的方法
4.2.2 張量的類型
……
第二篇 基礎——神經網絡的監督訓練與無監督訓練
第三篇 提高——圖神經網絡

本書從基礎知識開始，介紹深度學習與圖神經網絡相關的一繫列技術與實現方法，主要內容包括PyTorch的使用、神經網絡的原理、神經網絡的基礎模型、圖神經網絡的基礎模型。書中側重講述與深度學習基礎相關的網絡模型和算法思想，以及圖神經網絡的原理，且針對這些知識點給出在PyTorch框架上的實現代碼。本書適合想學習圖神經網絡的技術人員、人工智能從業人員閱讀，也適合作為大專院校相關專業的師生用書和培訓班的教材。

李金洪 著