中國科學院院士，清華大學人工智能研究院院長張鈸傾力推薦 詳解PyTorch框架分布式計算、CUDA擴展等高級使用技巧 涵蓋圖像分類、文本處理、物體定位、自動架構搜索等諸多領域實戰案例 豐富的新科研成果引用展示，緊跟人工智能發展前沿 提供完整源代碼文件

●第1章PyTorch簡介
1.1深度學習簡介1
1.2PyTorch的由來2
1.2.1深度學習框架回顧2
1.2.2PyTorch前身：Torch74
1.2.3Torch7的重生5
1.3PyTorch與TensorFlow對比5
1.3.1TensorFlow簡介6
1.3.2動靜之爭6
1.3.3二者借鋻融合7
1.3.4PyTorch的優勢7
1.4PyTorch發展現狀8
1.4.1主要版本特點回顧8
1.4.2準備工作8
第2章PyTorch基礎計算
2.1PyTorch核心基礎概念：張量Tensor11
2.1.1Tensor基本介紹11
2.1.2Tensor數學運算操作15
2.1.3Tensor索引分片合並變換操作20
2.1.4Tensor類成員方法22
2.1.5在GPU上計算24
2.2PyTorch可微編程核心：自動微分Autograd25
2.2.1PyTorch自動微分簡介25
2.2.2可微分張量25
2.2.3利用自動微分求梯度26
2.2.4Function：自動微分實現基礎29
2.2.5注意事項31
2.3PyTorch應用實戰一：實現卷積操作34
2.3.1卷積操作34
2.3.2利用張量操作實現卷積36
2.4PyTorch應用實戰二：實現卷積神經網絡進行圖像分類38
第3章PyTorch構建神經網絡
3.1PyTorch神經網絡計算核心：torch.nn43
3.1.1nn.Module概述43
3.1.2結構化構建神經網絡47
3.1.3經典神經網絡層介紹49
3.1.4函數式操作nn.functional53
3.2PyTorch優化器55
3.2.1torch.optim概述55
3.2.2經典優化器介紹56
3.2.3學習率調整57
3.3PyTorch應用實戰一：實現二值化神經網絡59
3.3.1二值化網絡BinaryNet概述59
3.3.2具體實現60
3.4PyTorch應用實戰二：利用LSTM實現文本情感分類63
3.4.1文本情感分類63
3.4.2具體實現65
第4章基於PyTorch構建復雜應用
4.1PyTorch數據加載70
4.1.1數據預處理：torchvision.transforms70
4.1.2數據加載：torch.utils.data73
4.2PyTorch模型搭建77
4.2.1經典模型復用與分享：torchvision.models78
4.2.2模型加載與保存79
4.2.3導出為ONNX格式85
4.3訓練過程中日志記錄與可視化89
4.4PyTorch應用實戰一：在CIFAR10數據集進行神經網絡結構搜索93
4.4.1可微分網絡架構搜索DARTS介紹94
4.4.2簡化問題建模：以ResNet為例95
4.4.3具體實現96
4.5PyTorch應用實戰二：在ImageNet數據集進行弱監督物體定位108
4.5.1GradCAM解釋顯著圖方法介紹108
4.5.2弱監督物體定位任務109
4.5.3具體實現110
第5章PyTorch高級技巧與實戰應用
5.1PyTorch並行計算118
5.1.1大規模數據集加載118
5.1.2模型的高效並行計算122
5.1.3加速模型計算和減少顯存使用125
5.2擴展PyTorch126
5.2.1利用C++和CUDA實現自定義算子126
5.2.2利用TorchScript導出PyTorch模型136
5.3豐富的PyTorch資源介紹145
5.4PyTorch應用實戰一：在ImageNet上訓練MobileNet-V2網絡146
5.4.1MobileNet-V2網絡介紹146
5.4.2具體實現147
5.5PyTorch應用實戰二：利用CUDA擴展實現MixConv算子157
5.5.1MixConv算子介紹157
5.5.2借鋻Depthwise卷積實現思路158
5.5.3具體實現160
第6章PyTorch完整實戰講解——網絡剪枝應用
6.1網絡剪枝介紹169
6.1.1剪枝方法分類169
6.1.2基於權重通道重要性的結構化剪枝170
6.1.3問題定義與建模170
6.2具體實現思路171
6.2.1如何附屬控制門值171
6.2.2剪枝結構搜索172
6.2.3剪枝模型訓練174
6.3完整代碼實現175
6.3.1模型搭建176
6.3.2剪枝器實現181
6.3.3學習控制門變量183
6.3.4剪枝模型187
6.3.5訓練模型189
6.3.6規模化啟動訓練任務193
6.4實驗結果198
參考文獻

書中以案例形式詳細介紹了PyTorch的各種實戰應用。具體內容包括PyTorch與TensorFlow的對比和PyTorch的發展現狀，張量Tensor和自動微分Autograd及其具體應用，PyTorch構建神經網絡，基於PyTorch構建復雜應用，PyTorch高級技巧與實戰應用，網絡剪枝應用。
本書內容由淺入深，適合深度學習的初學者閱讀學習，可幫助機器學習、計算機學科相關專業的學生或從業人員快速掌握PyTorch。