介绍深度学习与图神经网络相关的一系列技术与实现方法；
内容涵盖PyTorch的使用、神经网络的原理、神经网络的基础模型、图神经网络的原理、图神经网络的基础模型；
书中给出用PyTorch实现的网络模型和算法实例代码；
提供本书源代码下载

本书从基础知识开始，介绍深度学习与图神经网络相关的一系列技术与实现方法，主要内容包括PyTorch的使用、神经网络的原理、神经网络的基础模型、图神经网络的基础模型。书中侧重讲述与深度学习基础相关的网络模型和算法思想，以及图神经网络的原理，且针对这些知识点给出在PyTorch框架上的实现代码。本书适合想学习图神经网络的技术人员、人工智能从业人员阅读，也适合作为大专院校相关专业的师生用书和培训班的教材。

第一篇 入门——PyTorch基础
第1章 快速了解人工智能与PyTorch
1.1 图神经网络与深度学习
1.1.1 深度神经网络
1.1.2 图神经网络
1.2 PyTorch是做什么的
1.3 PyTorch的特点
1.4 PyTorch与TensorFlow各有所长
1.5 如何使用本书学好深度学习
第2章 搭建开发环境
2.1 下载及安装Anaconda
2.1.1 下载Anaconda开发工具
2.1.2 安装Anaconda开发工具
2.1.3 安装Anaconda开发工具时的注意事项
2.2 安装PyTorch
2.2.1 打开PyTorch官网
2.2.2 配置PyTorch安装命令
2.2.3 使用配置好的命令安装PyTorch
2.2.4 配置PyTorch的镜像源
2.3 熟悉Anaconda 3的开发工具
2.3.1 快速了解Spyder
2.3.2 快速了解Jupyter Notebook
2.4 测试开发环境
第3章 PyTorch基本开发步骤——用逻辑回归拟合二维数据
3.1 实例1：从一组看似混乱的数据中找出规律
3.1.1 准备数据
3.1.2 定义网络模型
3.1.3 搭建网络模型
3.1.4 训练模型
3.1.5 可视化训练结果
3.1.6 使用及评估模型
3.1.7 可视化模型
3.2 模型是如何训练出来的
3.2.1 模型里的内容及意义
3.2.2 模型内部数据流向
3.3 总结
第4章 快速上手PyTorch
4.1 神经网络中的几个基本数据类型
4.2 张量类的基础
4.2.1 定义张量的方法
4.2.2 张量的类型
……
第二篇 基础——神经网络的监督训练与无监督训练
第三篇 提高——图神经网络