在人工智能的浩瀚星空中，深度学习犹如一颗耀眼的明星，引领着计算机视觉技术的发展。《PyTorch深度学习与计算机视觉实践》带领读者领略深度学习在计算视觉领域的魅力，详解使用PyTorch 2.0进行计算机视觉应用实战的技巧。本书配套示例源码、PPT课件。
《PyTorch深度学习与计算机视觉实践》共分15章，内容包括深度学习与计算机视觉、PyTorch 2.0深度学习环境搭建、从0开始PyTorch 2.0、一学就会的深度学习基础算法、基于PyTorch卷积层的MNIST分类实战、PyTorch数据处理与模型可视化、残差神经网络实战、基于OpenCV与PyTorch的人脸识别实战、词映射与循环神经网络、注意力机制与注意力模型详解、基于注意力机制的图像识别实战、基于Diffusion Model的从随机到可控的图像生成实战、基于注意力的单目摄像头目标检测实战、基于注意力与Unet的全画幅适配图像全景分割实战、基于预训练模型的可控零样本图像迁移合成实战。
《PyTorch深度学习与计算机视觉实践》既适合深度学习初学者、PyTorch初学者、PyTorch深度学习计算机视觉应用开发人员阅读，也可作为高等院校或高职高专计算机技术、人工智能、智能科学与技术、数据科学与大数据技术等相关专业的教材。

第1章 深度学习与计算机视觉
1.1 深度学习的历史与发展
1.1.1 深度学习的起源
1.1.2 深度学习的发展脉络
1.1.3 为什么是PyTorch2.0
1.2 计算机视觉之路
1.2.1 计算机视觉的基本概念
1.2.2 计算机视觉深度学习的主要任务
1.2.3 计算机视觉中的深度学习方法
1.2.4 深度学习在计算机视觉中的应用
1.3 本章小结
第2章 PyTorch2.0深度学习环境搭建
2.1 环境搭建1:安装Python
2.1.1 Miniconda的下载与安装
2.1.2 PyCharm的下载与安装
2.1.3 Python代码小练习：计算softmax函数
……