前言

第一部分 PyTorch基礎

第1章 Numpy基礎2

第2章 PyTorch基礎21

第3章 PyTorch神經網絡工具箱49

第4章 PyTorch數據處理工具箱63

第二部分 深度學習基礎

第5章 機器學習基礎76

第6章 視覺處理基礎105

第7章 自然語言處理基礎138

第8章 生成式深度學習167

第三部分 深度學習實踐

第9章 人臉檢測與識別188

第10章 遷移學習實例203

第11章 神經網絡機器翻譯實例218

第12章 實戰生成式模型238

第13章 Caffe2模型遷移實例263

第14章 AI新方向：對抗攻擊269

第15章 強化學習278

第16章 深度強化學習288

這是一本基於*新的Python和PyTorch版本的深度學習著作，旨在幫助讀者低門檻進入深度學習領域，輕松速掌握深度學習的理論知識和實踐方法，快速實現從入門到進階的轉變。

本書是多位人工智能技術專家和大數據技術專家多年工作經驗的結晶，從工具使用、技術原理、算法設計、案例實現等多個維度對深度學習進行了繫統的講解。內容選擇上，廣泛涉獵、重點突出、注重實戰；內容安排上，實例切入、由淺入深、循序漸進；表達形式上，深度抽像、化繁為簡、用圖說話。

本書共16章，分為三部分：

第壹部分（第1~4章） PyTorch基礎

首先講解了機器學習和數據科學中必然會用到的工具Numpy的使用，然後從多個角度講解了Pytorch的必備基礎知識，*後詳細講解了Pytorch的神經網絡工具箱和數據處理工具箱。

第二部分（第5~8章） 深度學習基礎

這部分從技術原理、算法設計、實踐技巧等維度講解了機器學習和深度學習的經典理理論、算法以及提升深度學習模型性能的多種技巧，涵蓋視覺處理、NLP和生成式深度學習等主題。

第三部分（第9~16章） 深度學習實踐

這部分從工程實踐的角度講解了深度學習的工程方法和在一些熱門領域的實踐方案，具體包括人臉識別、圖像修復、圖像增強、風格遷移、中英文互譯、生成式對抗網絡、對抗攻擊、強化學習、深度強化學習等內容。

吳茂貴

大數據和人工智能技術專家，就職於中國外彙交易中心，在BI、數據挖掘與分析、數據倉庫、機器學習等領域工作超過20年。在基於Spark、TensorFlow、PyTorch、Keras等的機器學習和深度學習方面有大量的工程實踐實踐。著有《Python深度學習：基於TensorFlow》《深度實踐Spark機器學習》《自己動手做大數據繫統》等著作。

郁明敏?

商業分析師，從事互聯網金融算法研究工作，專注於大數據、機器學習以及數據可視化的相關領域，擅長 Python、Hadoop、Spark 等技術，擁有豐富的實戰經驗。曾獲“江蘇省TI杯大學生電子競技大賽”二等獎和“華為杯全國大學生數學建模大賽”二等獎。

楊本法

高級算法工程師，在流程優化、數據分析、數據挖掘等領域有10餘年實戰經驗，熟悉Hadoop和Spark技術棧。有大量工程實踐經驗，做過的項目包括：推薦繫統、銷售預測繫統、輿情監控繫統、揀貨繫統、報表可視化、配送路線優化繫統等。

李濤??

AI技術工程師，對PyTorch、Caffe、TensorFlow等深度學習框架以及計算機視覺技術有深刻的理解和豐富的實踐經驗，曾經參與和主導過服務機器人、無人售後店、搜索排序等多個人工智能相關的項目。

張粵磊

大數據技術專家，飛谷雲創始人，有10餘年一線數據數據挖掘與分析實戰經驗。先後在咨詢、金融、互聯網行業擔任大數據平臺的技術負責人或架構師。