《PyTorch深度学习应用实战》适合深度学习入门者、数据工程师、信息技术工作者阅读，也可作为高校计算机相关专业的教材。

本书以统计学/数学为出发点，介绍深度学习推荐的数理基础，讲解PyTorch的主体架构及近期新的模块功能，包括常见算法与相关套件的使用方法，例如对象侦测、生成对抗网络、深度伪造、图像中的文字辨识、脸部辨识、BERT/Transformer、聊天机器人、强化学习、自动语音识别、知识图谱等。本书配有大量案例及图表说明，同时以程序设计取代定理证明，缩短学习过程，增加学习乐趣。本书适合深度学习入门者、数据工程师、信息技术工作者阅读，也可作为高校计算机相关专业的教材。

第1篇 深度学习导论
第1章 深度学习介绍
1-1 人工智能历经的三波浪潮
1-2 AI的学习地图
1-3 TensorFlow对比PyTorch
1-4 机器学习开发流程
1-5 开发环境安装
1-6 免费云端环境开通
第2章 神经网络原理
2-1 推荐的数学与统计知识
2-2 万般皆自“回归”起
2-3 神经网络
2-3-1 神经网络概念
2-3-2 梯度下降法
2-3-3 神经网络权重求解
第2篇 PyTorch基础篇
第3章 PyTorch学习路径与主要功能
3-1 PyTorch学习路径
3-2 张量运算
3-2-1 向量
3-2-2 矩阵
3-2-3 使用PyTorch
3-3 自动微分
3-4 神经网络层
3-5 总结
第4章 神经网络实操
4-1 撰写第一个神经网络程序
4-1-1 最简短的程序
4-1-2 程序强化
4-1-3 试验
4-2 模型种类
4-2-1 Sequential model
4-2-2 Functional API
4-3 神经层
4-3-1 接近连接层
4-3-2 Dropout Layer
4-4 激励函数
4-5 损失函数
4-6 优化器
4-7 效能衡量指标
……
第3篇 进阶的影像应用
第4篇 自然语言处理
第5篇 强化学习
第6篇 图神经网络