1.基於PyTorch新版本，涵蓋深度學習基礎知識和前沿技術2.由淺入深，通俗易懂，適合初學人士的深度學習入門書3.實戰案例豐富有趣，深度學習原理與具體的操作流程相結合4.新增了Transformer、BERT、圖神經網絡等熱門技術的講解5.配有源代碼和導學視頻，讓學習更直觀、更有效。另有付費視頻課程。

●第1章 深度學習簡介
1.1 深度學習與人工智能
1.2 深度學習的歷史淵源
1.2.1 從感知機到人工神經網絡
1.2.2 深度學
1.2.3 巨頭之間的角逐
1.3 深度學習的影響因素
1.3.1 大數據
1.3.2 深度網絡架構
1.3.3 GPU
1.4 深度學習為什麼如此成功
1.4.1 特征學習
1.4.2 遷移學習
1.5 小結
1.6 參考文獻
第2章 PyTorch簡介
2.1 PyTorch安裝
2.2 初識PyTorch
2.2.1 與Python完美融合
2.2.2 張量計算
2.2.3 動態計算圖
2.3 PyTorch實例：預測房
2.3.1 準備數據
2.3.2 設計模型
2.3.3 訓練
2.3.4 預測
2.3.5 術語彙總
2.4 小結
第3章 單車預測器——你的第一個神經網絡
3.1 共享單車的煩惱
3.2.1 人工神經網絡簡介
3.2.2 人
3.2.3 兩個隱
3.2.4 訓練與運行
3.2.5 失敗的神經預測器
3.2.6 過擬合
3.3.1 數據的預處理過程
3.3.2 構建神經網絡
3.3.3 測試神經網絡
3.4 剖析神經網絡Neu
3.5 小結
3.6 Q&A
第4章 機器也懂感情——中文情緒分類器
4.1 神經網絡分類器
4.1.1 如何用神經網絡做分類
4.1.2 分類問題的損失函數
4.2 詞袋模型分類器
4.2.1 詞袋模型簡介
4.2.2 搭建簡單文本分類器
4.3 程序實現
……
第5章 手寫數字識別器——認識卷積神經網絡
第6章 手寫數字加法機——遷移學習
第7章 你自己的Prisma——圖像風格遷移
第8章 人工智能造假術——圖像生成與對抗學習
第9章 詞彙的星空——神經語言模型與Word2Vec
第10章 深度網絡LSTM作曲機——序列生成模型
第11章 神經機器翻譯機——端到端機器翻譯
第12章 更強的機器翻譯模型——Transformer
第13章 學習跨任務的語言知識——預訓練語言模型
第14章 人體姿態識別——圖網絡模型
第15章 AI遊戲高手——深度強化學習

本書是一本繫統介紹深度學習技術及開源框架PyTorch的入門書。書中通過大量案例介紹了PyTorch的使用方法、神經網絡的搭建、常用神經網絡（如卷積神經網絡、循環神經網絡）的實現，以及實用的深度學習技術，包括遷移學習、對抗生成學習、深度強化學習、圖神經網絡等。讀者通過閱讀本書，可以學會構造一個圖像識別器，生成逼真的圖像，讓機器理解單詞與文本，讓機器作曲，教會機器玩遊戲，還可以實現一個簡單的機器翻譯繫統。第2版基於PyTorch1.6.0，對全書代碼進行了更新，同時增加了Transformer、BERT、圖神經網絡等熱門深度學習技術的講解，更具實用性和時效性。本書適用於人工智能行業的軟件工程師、對人工智能感興趣的學生，也非常適合作為培訓參考書。